UNaB
Diplomatura en Análisis de Datos para el Desarrollo de Políticas
Públicas
Universidad Nacional Guillermo Brown
Coordinador:
Juan Domingo González
El objetivo general del presente trabajo consiste en analizar el perfil de los/las asistentes y los usos de los Puntos Digitales (PD) distribuidos a lo largo y a lo ancho del país. En esta línea, nuestra idea -en términos generales- es dimensionar y visualizar las características de los usos (frecuencia, tipo de servicios utilizados, estacionalidad y territorialidad) que el público destinatario confiere a estos Puntos facilitadores de inclusión digital y capacitación tecnológica. También nos interesa indagar en el perfil de los/las usuarios/as de dichos Puntos.
En principio, nos interesa trabajar con los datos mensualizados correspondientes al período 2020-2023 para preguntarnos:
¿Podemos identificar variaciones estacionales en el flujo de asistencias a los Puntos Digitales que se relacionen con meses escolares, trámites nacionales lanzados, etc?
¿Cómo es el comportamiento de los/as asistentes según género y edad en los Puntos Digitales?
¿Podemos identificar los Ejes Temáticos más concurridos según región o provincia? ¿Existe una relación entre la concurrencia a los Puntos Digitales y su ubicación geográfica?
A partir de estas preguntas, algunos objetivos específicos de este trabajo son los siguientes:
El Programa Punto Digital cuenta con dispositivos instalados a lo largo y ancho del territorio argentino. Su objetivo general y principio fundante es la reducción de la brecha digital a fin de contribuir a mejorar la calidad de vida de las y los habitantes de la República Argentina. En tal sentido, ofrece acceso gratuito y en igualdad de condiciones a la conectividad y a las Tecnologías de la Información y la Comunicación (TIC). Apunta también a establecer las bases para el desarrollo de habilidades digitales que fortalezcan no sólo a las personas en términos individuales, sino también a sus comunidades.
Entre los objetivos específicos de este Programa se encuentran los siguientes:
Uno de los principales insumos para realizar el monitoreo del uso de los Puntos Digitales (PD) por parte de las y los habitantes del territorio es el reporte de asistencias que realiza cada equipo de trabajo local de cada uno de los PD distribuidos a lo largo y a lo ancho del país. En esta línea, cada Punto Digital cuenta con una coordinadora o coordinador que mensualmente carga el listado de actividades (clasificadas por Eje Temático) y las asistencias a cada actividad.
El set de datos se compone de planillas .csv mensualizadas de enero 2020 a septiembre 2023 (el reporte es a mes vencido) sobre el número de participantes según edad, en los Puntos Digitales en funcionamiento de las 24 jurisdicciones de Argentina (23 provincias más CABA).
Las actividades están estructuradas en nueve (9) ejes, detallados a continuación:
Para el año 2023, contamos con datos discriminados según género.Para el procesamiento, análisis y visualización de los datos se utilizará el lenguaje de programación R, y en caso de resultar necesario, se implementarán algoritmos en python desde una notebook de Google Colab.
En un primer momento se realizará un análisis exploratorio de las bases de datos de referencia, tomando en consideración las variables de interés. Luego, la idea es avanzar en las respuestas a los interrogantes planteados, corroborando -o no- las relaciones asumidas entre variables.
El set de datos seleccionado para trabajar consta de la base mensualizada de Actividades de los Puntos Digitales. Como datos complementarios, se tomará la base georeferenciada de los Puntos Digitales, y los indicadores del Censo Nacional de Población, Hogares y Viviendas 2010 (Disponibilidad de bienes computadora/celular).
Instalación condicional de librerías
Instala paquetes solos si detecta que no fueron previamente instalados.
# instalación condicional de librerías (solo instala si faltan)
# https://stackoverflow.com/questions/66869137/installing-r-packages-in-colab
# https://stackoverflow.com/questions/63594521/install-a-r-package-permanently-in-google-colab
instalar <- function(libreria) {
if (!requireNamespace(libreria, quietly = TRUE)) {
install.packages(libreria)
}
}
instalar("readr")
instalar("dplyr")
instalar("gt")
instalar("gtExtras")
instalar("tmap")## The legacy packages maptools, rgdal, and rgeos, underpinning the sp package,
## which was just loaded, will retire in October 2023.
## Please refer to R-spatial evolution reports for details, especially
## https://r-spatial.org/r/2023/05/15/evolution4.html.
## It may be desirable to make the sf package available;
## package maintainers should consider adding sf to Suggests:.
## The sp package is now running under evolution status 2
## (status 2 uses the sf package in place of rgdal)
instalar("sf")
instalar("leaflet")
instalar("archive")
instalar("ggplot2")
instalar("geoAr")
instalar("httr")
# instalar("Hmisc")
# instalar("purrr")
# instalar("lattice")
# instalar("cluster")
# instalar("stats")
# instalar("stringr")
# instalar("corrplot")
# instalar("ergm") para medianas ponderadas. No utilizado
# demora 30-45 segundos
# instalar("psych")
# demora demora 3-8 segundos
# instalar("skimr")
# demora 5-7 minutos
# instalar("caret")Carga de librerías
# Función de carga condicional de librerías (solo carga si están instaladas)
cargar <- function(libreria, warns = WARN_ACT) {
if (requireNamespace(libreria, quietly = TRUE)) {
if(warns) {
library(libreria, character.only = TRUE)
} else{
suppressMessages(library(libreria, character.only = TRUE))
}
}
}
# carga de librerías a utilizar
cargar("readr") # lectura de datos
cargar("dplyr") # manipulación de df
cargar("gt") # tablas
cargar("gtExtras") # tablas
cargar("tmap") # mapas interactivos
cargar("sf") # datos geoespaciales
cargar("leaflet") # mapas interactivos
cargar("archive") # urilidades
cargar("ggplot2") # graficación
cargar("geoAr") # geodatos argentina
instalar("httr") # manejo de solicitudes http
# cargar("lattice") # graficación estadistica
# cargar("cluster") # clustering
# cargar("skimr") # estadísticas
# cargar("stats") # estadísticas
# cargar("kableExtra") # tablas
# cargar("psych") # estadísticas
# cargar("purrr") # manejo de listas
# cargar("IRdisplay") # display de notebook
# cargar("tidyverse") # conjunto de paquetes tidy
# cargar("stringr") # cadenas de caracteres
# cargar("corrplot") # grafico de correlación
# cargar("Hmisc") # correlaciones
# cargar("caret") # entrenamiento
# cargar("ergm") # análisis estadísticosEl Programa Punto Digital cuenta con dispositivos instalados a lo largo y ancho del territorio argentino. Su objetivo fundamental es la reducción de la brecha digital a los fines de contribuir a la mejora de la calidad de vida de las y los habitantes del país. Esta tabla contiene el listado de los puntos digitales.
Carga listado de puntos digitales
# Puntos digitales
puntos <- read.csv(paste0(PATH, puntos_arch), sep = ",", encoding = "ISO-8859-1")
sample_n(puntos, 5) |>
dplyr::mutate(horarios = substr(horarios, 1, 20)) |> # Truncar "horarios"
gt() |>
tab_header(
title = "Puntos Digitales*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')| Puntos Digitales* | ||||||||||||||||||
| * muestra | ||||||||||||||||||
| id_pd | nombre_pd | direccion | nombre_institucional | id_provincia | id_departamento | id_localidad | cod_bahra_localidad | id_municipio | provincia | departamento | localidad | municipio | mail_institucional | latitud | longitud | horarios | link_facebook | estado |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 254 | Granadero Baigorria I | Calle 2 180 | Edificio Municipal | AR-S | 1684 | 11477 | 82084160000 | SFE143 | Santa Fe | Rosario | Granadero Baigorria | Granadero Baigorria | baigorria1@puntodigital.gob.ar | -32.84733 | -60.70974 | Lunes 07:00 a 17:00 | https://www.facebook.com/puntodigital.granaderobaigorria/ | Activo |
| 591 | Santa Rosa de Conlara | Rivadavia S/N | Edificio Municipal | AR-D | 1602 | 10758 | 74049070000 | SLU054 | San Luis | Junin | Santa Rosa del Conlara | Santa Rosa de Conlara | conlara@puntodigital.gob.ar | -32.34470 | -65.20576 | Lunes 08:00 a 13:00 | Activo | |
| 643 | Coranzuli | Gral. San Martín S/N | Edificio Municipal | AR-Y | 1465 | 7379 | 38084020000 | JUJ013 | Jujuy | Susques | Coranzuli | Coranzuli | coranzuli@puntodigital.gob.ar | -23.03234 | -66.40574 | Martes 15:00 a 19:00 | Activo | |
| 569 | Bragado | Hermanos Islas 428 | ONG | AR-B | 1210 | 378 | 6112010000 | BUE016 | Buenos Aires | Bragado | Bragado | Bragado | bragado@puntodigital.gob.ar | -35.11084 | -60.50008 | Lunes 08:00 a 12:00 | Activo | |
| 116 | Gan Gan | San Martin | Edificio Municipal | AR-U | 1375 | 5843 | 26105010000 | CHU021 | Chubut | Telsen | Gan Gan | Gan Gan | gangan@puntodigital.gob.ar | -42.52189 | -68.28567 | Próximamente | ||
columnas <- c("id_pd", "nombre_pd", "direccion", "nombre_institucional",
"id_provincia", "id_departamento", "id_localidad",
"cod_bahra_localidad", "id_municipio", "provincia",
"departamento", "localidad", "municipio", "mail_institucional",
"latitud", "longitud", "horarios", "link_facebook", "estado")Dimensiones de la tabla
# dimensiones
cat("El DataFrame tiene", dim(puntos)[1], "observaciones y", dim(puntos)[2], "variables.")## El DataFrame tiene 664 observaciones y 19 variables.
Medidas de tendencia central - Puntos Digitales
## id_pd nombre_pd direccion nombre_institucional
## Min. : 40.0 Length:664 Length:664 Length:664
## 1st Qu.: 254.8 Class :character Class :character Class :character
## Median : 515.0 Mode :character Mode :character Mode :character
## Mean : 538.6
## 3rd Qu.: 767.2
## Max. :1289.0
##
## id_provincia id_departamento id_localidad cod_bahra_localidad
## Length:664 Min. :1195 Min. : 1 Min. :2.001e+09
## Class :character 1st Qu.:1345 1st Qu.: 2613 1st Qu.:1.006e+10
## Mode :character Median :1451 Median : 6260 Median :3.008e+10
## Mean :1465 Mean : 6296 Mean :3.808e+10
## 3rd Qu.:1600 3rd Qu.: 9505 3rd Qu.:6.603e+10
## Max. :1723 Max. :13537 Max. :9.401e+10
## NA's :1 NA's :1
## id_municipio provincia departamento localidad
## Length:664 Length:664 Length:664 Length:664
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## municipio mail_institucional latitud longitud
## Length:664 Length:664 Min. :-54.82 Min. :-72.34
## Class :character Class :character 1st Qu.:-34.86 1st Qu.:-65.47
## Mode :character Mode :character Median :-32.06 Median :-62.96
## Mean :-32.17 Mean :-62.75
## 3rd Qu.:-27.57 3rd Qu.:-59.10
## Max. :-22.10 Max. :-54.20
##
## horarios link_facebook estado
## Length:664 Length:664 Length:664
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
Con los datos de la tabla puede determinarse su ubicación geoespacial.
Mapa
# Geolocalización de Puntos Digitales
# https://rdrr.io/cran/tmap/man/tm_symbols.html
# https://r-tmap.github.io/tmap-book/layers.html
mostrar <- c("id_pd", "nombre_pd", "direccion", "provincia", "departamento",
"localidad", "municipio", "estado")
# Capas
capas <- c(GrayMap = "Esri.WorldGrayCanvas", StreetMap = "OpenStreetMap", TopoMap = "Esri.WorldTopoMap")
# Geodataframe
puntos_sf <- puntos |>
select(2, 1, everything()) |>
st_as_sf(coords = c("longitud", "latitud"), crs = 4326)
# Gráfico
tmap_mode("view")## tmap mode set to interactive viewing
tm_basemap(capas) +
tm_shape(puntos_sf, is.master = TRUE) +
# tm_markers(size = 0.5, popup.vars = mostrar) +
# tm_dots(size = 0.05, clustering = T, popup.vars = mostrar) + # puntos agrupados
tm_dots(size = 0.01, popup.vars = mostrar) + # puntos desagrupados
tm_layout(main.title = "Puntos Digitales", main.title.size = 0.7);Diccionario
# diccionario de datos
descripciones <- c(
"Identificador del Punto Digital",
"Nombre del Punto Digital",
"Dirección",
"Nombre Institucional",
"Identificador de la provincia",
"Identificador del departamento",
"Identificador de la localidad",
"Codigo BAHRA (Asentamientos Urbanos)",
"Identificador del municipio",
"Provincia",
"Departamento",
"Localidad",
"Municipio",
"Mail Institucional",
"Latitud",
"Longitud",
"Horarios",
"Link Facebook",
"Estado"
)
diccionario <- data.frame(
Clase = sapply(puntos, class),
Descripción = descripciones
)
diccionario <- tibble::rownames_to_column(diccionario, "Variable")
diccionario |>
gt(rowname_col = "Variable") |>
tab_header(
title = "Diccionario de Datos",
) |>
tab_options(table.width = "90%") |>
gt_theme_dot_matrix()| Diccionario de Datos | ||
| Clase | Descripción | |
|---|---|---|
| id_pd | integer | Identificador del Punto Digital |
| nombre_pd | character | Nombre del Punto Digital |
| direccion | character | Dirección |
| nombre_institucional | character | Nombre Institucional |
| id_provincia | character | Identificador de la provincia |
| id_departamento | integer | Identificador del departamento |
| id_localidad | integer | Identificador de la localidad |
| cod_bahra_localidad | numeric | Codigo BAHRA (Asentamientos Urbanos) |
| id_municipio | character | Identificador del municipio |
| provincia | character | Provincia |
| departamento | character | Departamento |
| localidad | character | Localidad |
| municipio | character | Municipio |
| mail_institucional | character | Mail Institucional |
| latitud | numeric | Latitud |
| longitud | numeric | Longitud |
| horarios | character | Horarios |
| link_facebook | character | Link Facebook |
| estado | character | Estado |
Lista de Actividades de los Puntos Digitales
Carga de Bases Mensuales
lista <- list()
archivos <- list.files(path = PATH2)
for (archivo in archivos) {
df <- read.csv(file.path(PATH2, archivo), sep = ",", encoding = "ISO-8859-1")
# extrae fecha del n de archivo
fecha <- strsplit(tools::file_path_sans_ext(archivo), "-", fixed = TRUE)[[1]]
df <- df |>
mutate(anio = as.integer(trimws(fecha[1])),
mes = as.integer(trimws(fecha[2])))
lista <- c(lista, list(df))
}
actividades <- bind_rows(lista)Muestra de Actividades Mensuales
sample_n(actividades, 10) |>
gt() |>
tab_header(
title = "Actividades*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')| Actividades* | |||||||||||||||||||||||||
| * muestra | |||||||||||||||||||||||||
| nombre_punto_digital | eje | eje_id | hasta_11 | hasta_11_femenino | hasta_11_masculino | hasta_11_x | de_12_a_20 | de_12_a_20_femenino | de_12_a_20_masculino | de_12_a_20_x | de_21_a_65 | de_21_a_65_femenino | de_21_a_65_masculino | de_21_a_65_x | desde_65 | desde_65_femenino | desde_65_masculino | desde_65_x | Totales | provincia | categoria | subcategoria | cantidad_actividad | anio | mes |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Laboulaye | Ciudadanía y DD | 25 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 2 | 1 | 0 | 0 | 0 | 0 | 0 | 3 | Córdoba | Comunidad | Ciudadanía y Derechos Humanos | 1 | 2023 | 6 |
| San Carlos Centro (Santa Fe) | Trámites | 22 | 0 | NA | NA | NA | 0 | NA | NA | NA | 2 | NA | NA | NA | 0 | NA | NA | NA | 2 | Santa Fe | Trámites Nacionales | Validación de identidad | 2 | 2022 | 12 |
| Hernando | Ciudadanía y DD | 25 | 0 | NA | NA | NA | 0 | NA | NA | NA | 20 | NA | NA | NA | 0 | NA | NA | NA | 20 | Córdoba | Comunidad | Otros | 2 | 2021 | 7 |
| Susques | Educación | 16 | 0 | NA | NA | NA | 0 | NA | NA | NA | 34 | NA | NA | NA | 1 | NA | NA | NA | 35 | Jujuy | Complementos de la educación formal | Otros | 1 | 2021 | 8 |
| Crespo | Formación Laboral | 13 | 80 | 10 | 70 | 0 | 80 | 20 | 60 | 0 | 40 | 20 | 20 | 0 | 0 | 0 | 0 | 0 | 200 | Entre Ríos | Oficios digitales | Programación | 2 | 2023 | 6 |
| Puerto Piray | Cultura y Entretenimiento | 31 | 12 | NA | NA | NA | 4 | NA | NA | NA | 18 | NA | NA | NA | 11 | NA | NA | NA | 45 | Misiones | Artes | Otros | 3 | 2021 | 5 |
| Corzuela | Ciudadanía y DD | 25 | 0 | NA | NA | NA | 0 | NA | NA | NA | 28 | NA | NA | NA | 0 | NA | NA | NA | 28 | Chaco | Comunidad | Otros | 2 | 2021 | 6 |
| Riacho He He | Alfabetización Digital | 10 | 70 | NA | NA | NA | 40 | NA | NA | NA | 0 | NA | NA | NA | 0 | NA | NA | NA | 110 | Formosa | Alfabetización Digital | Alfabetización Digital Inicial | 1 | 2022 | 4 |
| Belén | Salud | 19 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 47 | 25 | 22 | 0 | 65 | 40 | 25 | 0 | 112 | Catamarca | Salud | Uso terapéutico del espacio de entretenimiento | 1 | 2023 | 7 |
| Pilar II (Derqui) | Cultura y Entretenimiento | 31 | 0 | 0 | 0 | 0 | 626 | 298 | 328 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 626 | Buenos Aires | Actividad | Proyección de película (con debate) | 7 | 2023 | 3 |
Lista de actividades
# Cuadro de actividades
# https://gt.albert-rapp.de/getting_started#use-groups-instead-of-repetitive-columns
# https://github.com/rstudio/gt/issues/577
# https://github.com/rstudio/gt/issues/545
act_listado <- actividades |>
select(eje, categoria, subcategoria) |>
distinct() |>
arrange(eje, categoria, subcategoria)
act_listado |>
gt(groupname_col = "eje") |>
# cols_merge(columns = c(eje, categoria)) |>
tab_header(
title = "Lista de Actividades*",
subtitle = "* listado completo"
) |>
tab_options(row_group.as_column = TRUE, table.width = "85%") |>
opt_stylize(style = 5, color = 'cyan')| Lista de Actividades* | ||
| * listado completo | ||
| categoria | subcategoria | |
|---|---|---|
| Alfabetización Digital | Alfabetización Digital | Alfabetización Digital Inicial |
| Alfabetización Digital | Paquete de Office o LibreOffice | |
| Alfabetización Digital | Programación para niñxs | |
| Alfabetización Digital | Robótica para niñxs | |
| Alfabetización Digital | Uso de correo electrónico | |
| Tecnologías de la vida cotidiana | Armado de perfil en redes sociales | |
| Tecnologías de la vida cotidiana | Cajero automático | |
| Tecnologías de la vida cotidiana | Ciberseguridad | |
| Tecnologías de la vida cotidiana | Escritorio PC | |
| Tecnologías de la vida cotidiana | Gestión de sitio WEB | |
| Tecnologías de la vida cotidiana | Home banking | |
| Tecnologías de la vida cotidiana | Uso del celular | |
| Tecnologías de la vida cotidiana | Videollamadas | |
| Capacitaciones PPD | Comunicación | |
| Contenidos | ||
| Soporte | ||
| Vinculación | ||
| Ciudadanía y DD | Comunidad | Capacitación a agentes municipales |
| Comunidad | Ciudadanía y Derechos Humanos | |
| Comunidad | Convivencia en Edificios | |
| Comunidad | Evento / Reunión | |
| Comunidad | Otros | |
| Comunidad | Seguridad vial | |
| Discapacidad | Apps de accesibilidad | |
| Discapacidad | Lengua de Señas Argentina | |
| Discapacidad | Taller de autogestores | |
| Cultura y Entretenimiento | Actividad | Actividad con uso de consola de videojuegos |
| Actividad | Efeméride | |
| Actividad | El mundial 2022 en tu PD | |
| Actividad | INCAA en tu PD | |
| Actividad | Proyección de película (con debate) | |
| Actividad | Punto Carnaval | |
| Actividad | Transmisión del mundial 2022 en tu PD | |
| Artes | Cerámica | |
| Artes | Circo | |
| Artes | Danza | |
| Artes | Literatura | |
| Artes | Murga | |
| Artes | Música | |
| Artes | Otros | |
| Artes | Pintura | |
| Artes | Teatro | |
| Artes | Tejido | |
| Artes digitales | Armado de flyers | |
| Artes digitales | Deportes electrónicos | |
| Artes digitales | Edición de videos | |
| Artes digitales | Fotografía | |
| Artes digitales | Ilustración Digital | |
| Artes digitales | Otros | |
| Uso Libre | Navegación libre | |
| Uso Libre | Uso libre de la consola de videojuegos | |
| Uso Libre | Uso libre del espacio de microcine | |
| Educación | Complementos de la educación formal | Apoyo escolar |
| Complementos de la educación formal | Argentina Programa (uso del PD para cursar) | |
| Complementos de la educación formal | Educación Financiera | |
| Complementos de la educación formal | FINES | |
| Complementos de la educación formal | Idiomas | |
| Complementos de la educación formal | Otros | |
| Complementos de la educación formal | Talleres País Digital | |
| Complementos de la educación formal | Terminá la Secundaria | |
| Complementos de la educación formal | Videoconferencias formativas | |
| Formación Laboral | Inserción al mundo laboral | Armado de CV |
| Inserción al mundo laboral | Armado de perfil de LinkedIn | |
| Inserción al mundo laboral | Búsqueda laboral en plataformas online | |
| Oficios digitales | Comunity Manager | |
| Oficios digitales | Diseño gráfico | |
| Oficios digitales | Impresión y Diseño 3D | |
| Oficios digitales | Instalación de redes o sistemas | |
| Oficios digitales | Inteligencia Artificial | |
| Oficios digitales | Marketing Digital | |
| Oficios digitales | Otras | |
| Oficios digitales | Programación | |
| Oficios digitales | Proyecto Impresion 3D Punto Digital 2022 | |
| Oficios digitales | Realidad Aumentada | |
| Oficios digitales | Reparación de PC | |
| Oficios digitales | Reparación de Smartphones | |
| Oficios digitales | Robótica | |
| Oficios digitales | Ventas por Internet | |
| Oficios digitales | Whatsapp para negocios | |
| Oficios manuales | Agricultura Orgánica | |
| Oficios manuales | Albañilería | |
| Oficios manuales | Cocina | |
| Oficios manuales | Conservación de alimentos | |
| Oficios manuales | Electricidad | |
| Oficios manuales | Manipulación de alimentos | |
| Oficios manuales | Otras | |
| Oficios manuales | Peluquería | |
| Oficios manuales | Seguridad e higiene | |
| Oficios manuales | Taller de Compost | |
| Oficios manuales | Tejido, bordado, otros | |
| Generos y Diversidades | Educación Sexual Integral (ESI) | |
| Maternidades y paternidades | ||
| Nuevas masculinidades | ||
| Otros | ||
| Perspectiva de género | ||
| Prevención de violencias | ||
| Salud | Salud | Apps Obra Social |
| Salud | Gestión y prevención COVID | |
| Salud | Historia Clínica Electrónica | |
| Salud | Otros | |
| Salud | Primeros Auxilios | |
| Salud | Telesalud | |
| Salud | Uso terapéutico del espacio de entretenimiento | |
| Trámites | Trámites Municipales | MUNICIPIO |
| Trámites Nacionales | AFIP | |
| Trámites Nacionales | ANSES | |
| Trámites Nacionales | Argentina Programa (inscripción) | |
| Trámites Nacionales | Censo Nacional 2022 | |
| Trámites Nacionales | Certificado de Discapacidad | |
| Trámites Nacionales | Egresar | |
| Trámites Nacionales | MiArgentina | |
| Trámites Nacionales | Otros | |
| Trámites Nacionales | PAMI | |
| Trámites Nacionales | PROGRESAR | |
| Trámites Nacionales | Potenciar Trabajo | |
| Trámites Nacionales | RENAPER | |
| Trámites Nacionales | Segmentación Energética | |
| Trámites Nacionales | Validación de identidad | |
| Trámites Provinciales | Otros | |
| Trámites Provinciales | RENTAS - ARBA (Similares) | |
Polígonos de Departamentos IGN
# Descomprimir el archivo 7-Zip
if (!file.exists(file.path(PATH, depto_arch))) {
archive_extract(paste0(PATH, depto_comp), PATH)
}
deptos_geo <- st_read(paste0(PATH, depto_arch))## Reading layer `departamentos' from data source
## `C:\Users\ablasco\Documents\Proyectos\UNaB-AdDyPP-TFI\datos\departamentos.json'
## using driver `GeoJSON'
## Simple feature collection with 529 features and 8 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -74 ymin: -90 xmax: -25 ymax: -21.78086
## Geodetic CRS: WGS 84
deptos <- as.data.frame(deptos_geo)
sample_n(select(deptos, -geometry), 10) |>
gt() |>
tab_header(title = "Departamentos* - GeoDataFrame",
subtitle = "* muestra"
) |>
tab_options(table.width = "90%") |>
gt_theme_pff()| Departamentos* - GeoDataFrame | |||||||
| * muestra | |||||||
| gid | objeto | fna | gna | nam | in1 | fdc | sag |
|---|---|---|---|---|---|---|---|
| 638 | Departamento | Departamento General Roca | Departamento | General Roca | 14035 | IDE Cordoba | IGN |
| 871 | Departamento | Departamento Chilecito | Departamento | Chilecito | 46042 | IGN | IGN |
| 608 | Departamento | Departamento Tulumba | Departamento | Tulumba | 14175 | IDE Cordoba | IGN |
| 825 | Departamento | Partido de Quilmes | Partido | Quilmes | 06658 | ARBA - Gerencia de Servicios Catastrales | IGN |
| 637 | Departamento | Partido de General Villegas | Partido | General Villegas | 06392 | ARBA - Gerencia de Servicios Catastrales | IGN |
| 1011 | Departamento | Departamento Coronel Pringles | Departamento | Coronel Pringles | 74021 | Direc. de Geodesia y Catastro | IGN |
| 773 | Departamento | Departamento Federación | Departamento | Federación | 30028 | ATER - Direc. de Catastro | IGN |
| 680 | Departamento | Departamento Montecarlo | Departamento | Montecarlo | 54084 | Ministerio de Ecología | IGN |
| 793 | Departamento | Partido de Salto | Partido | Salto | 06714 | ARBA - Gerencia de Servicios Catastrales | IGN |
| 652 | Departamento | Comuna 11 | Comuna | Comuna 11 | 02077 | Direc. de Catastro | IGN |
Mapa
ggplot() +
geom_sf(data = subset(deptos_geo, in1!="94028")) + # 92028 antartida
labs(title = "Partidos de Argentina*",
subtitle = "*se omite la Antártida")Polígonos de Provincias IGN
# https://datos.gob.ar/dataset/ign-unidades-territoriales/archivo/ign_01.02.02
# Descomprimir el archivo 7-Zip
if (!file.exists(file.path(PATH, prov_arch))) {
archive_extract(paste0(PATH, prov_comp), PATH)
}
prov_geo <- st_read(paste0(PATH, prov_arch))## Reading layer `ign_provincia' from data source
## `C:\Users\ablasco\Documents\Proyectos\UNaB-AdDyPP-TFI\datos\ign_provincia.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 24 features and 11 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY, XYZ
## Bounding box: xmin: -74 ymin: -90 xmax: -25 ymax: -21.78086
## z_range: zmin: 0 zmax: 0
## Geodetic CRS: WGS 84 + WGS_1984_Geoid
prov_geo <- st_zm(prov_geo, drop = TRUE) #corrige las geometrías de los polígonos que están en 3d
provincias <- as.data.frame(prov_geo)
sample_n(select(provincias, -geometry), 10) |>
gt() |>
tab_header(title = "Provincias* - GeoDataFrame",
subtitle = "* muestra"
) |>
tab_options(table.width = "90%") |>
gt_theme_pff()| Provincias* - GeoDataFrame | ||||||||||
| * muestra | ||||||||||
| OBJECTID | Entidad | Objeto | FNA | GNA | NAM | SAG | FDC | IN1 | SHAPE_STAr | SHAPE_STLe |
|---|---|---|---|---|---|---|---|---|---|---|
| 430 | 0 | Provincia | Provincia de Mendoza | Provincia | Mendoza | IGN | Geografía | 50 | 14.65838794 | 23.2599862 |
| 449 | 0 | Provincia | Provincia de Misiones | Provincia | Misiones | IGN | Geografía | 54 | 2.71700190 | 13.3155594 |
| 434 | 0 | Provincia | Provincia de Entre Ríos | Provincia | Entre Ríos | IGN | Geografía | 30 | 7.48648662 | 14.3590912 |
| 443 | 0 | Provincia | Provincia de Tierra del Fuego, Antártida e Islas del Atlántico Sur | Provincia | Tierra del Fuego, Antártida e Islas del Atlántico Sur | IGN | Geografía | 94 | 566.26761180 | 749.9831591 |
| 444 | 0 | Provincia | Provincia de Santa Cruz | Provincia | Santa Cruz | IGN | Geografía | 78 | 29.94387587 | 40.8355526 |
| 433 | 0 | Provincia | Provincia de Santa Fe | Provincia | Santa Fe | IGN | Geografía | 82 | 12.55283841 | 20.8522797 |
| 446 | 0 | Provincia | Provincia de Río Negro | Provincia | Río Negro | IGN | Geografía | 62 | 21.45113686 | 30.9972743 |
| 442 | 0 | Provincia | Provincia de Santiago del Estero | Provincia | Santiago del Estero | IGN | Geografía | 86 | 12.54022432 | 16.3530915 |
| 427 | 0 | Provincia | Ciudad Autónoma de Buenos Aires | Ciudad Autónoma | Ciudad Autónoma de Buenos Aires | IGN | Geografía | 02 | 0.02024179 | 0.7438065 |
| 437 | 0 | Provincia | Provincia de Catamarca | Provincia | Catamarca | IGN | Geografía | 10 | 9.25694487 | 21.7060822 |
Mapa
#### 1.2.3 Aglomerados Urbanos Necesarios para el procesamiento de los
datos de la encuesta ENTIC.
Los datos se obtienen del paquete GeoAr.
Geometrías
# https://rdrr.io/cran/geoAr/src/R/get_geo.R
# NOTA ALE: puede que esten fallando por un tema de proxy laboral. probar.
get_geo(geo = "ARGENTINA", level = "provincia", simplified = FALSE)## Fail to download data. Source is not available // La fuente de datos no esta disponible
## NULL
Aglomerados Urbanos
# Listado de los aglomerados urbanos tomados para la ENTIC
# https://rdrr.io/cran/geoAr/src/R/get_eph.R
# simplified por defecto es TRUE y determina la descarga de una versión simplificada de las geometrias. Con FALSE descarga la versión original de INDEC
aglo_geo <- get_eph(
geo = "ARGENTINA",
simplified = FALSE,
centroid = FALSE,
level = "envolventes"
)## Fail to download data. Source is not available // La fuente de datos no esta disponible
# Si falla la descarga de geoar x proxy
# https://community.rstudio.com/t/install-packages-only-works-with-wininet-how-set-default-download-file-method-to-wininet/172779
# https://gist.github.com/cderv/34ca743f5d39f27666b7636e5715d27f
if (is.null(aglo_geo)) {
direccion <- "https://github.com/PoliticaArgentina/data_warehouse/raw/master/geoAr/data_raw/"
entidades <- "entidades_eph.geojson"
radios <- "radios_eph.geojson"
envolventes <- "aglos_envolventes.geojson"
aglo_nivel <- envolventes # modificar a gusto
if (!file.exists(file.path(paste0(PATH, aglo_nivel)))) {
download.file(paste0(direccion, aglo_nivel), paste0(PATH, aglo_nivel), method = "wininet")
}
aglo_geo <- sf::st_read(paste0(PATH, aglo_nivel))
}## Reading layer `aglos_envolventes' from data source
## `C:\Users\ablasco\Documents\Proyectos\UNaB-AdDyPP-TFI\datos\aglos_envolventes.geojson'
## using driver `GeoJSON'
## Simple feature collection with 81 features and 11 fields (with 2 geometries empty)
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 3219646 ymin: 3918704 xmax: 4511982 ymax: 7342026
## Projected CRS: POSGAR 94 / Argentina 3
aglomerados <- as.data.frame(aglo_geo)
sample_n(select(aglomerados,-geometry),10) |>
gt() |>
tab_header(
title = "Aglomerados Urbanos*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')| Aglomerados Urbanos* | ||||||||||
| * muestra | ||||||||||
| id | eph_codagl | eph_aglome | codaglo | aglomerado | codprov | nomprov | coddepto | localidade | entidades | the_geom |
|---|---|---|---|---|---|---|---|---|---|---|
| 16 | 07 | Posadas | 6139 | Barrio Nuevo Garupá | 54 | Misiones | 028 | (54028005) Barrio Nuevo Garupa | NA | |
| 21 | 10 | Gran Mendoza | 0004 | Gran Mendoza | 50 | Mendoza | 007,021,028,049,063,070 | (50007010) Mendoza;(50021010) Godoy Cruz;(50028020) Guaymallén;(50049050) Las Heras;(50063090) Luján de Cuyo;(50070060) Maipú | (50007010 - 01) 1ra Sección;(50007010 - 02) 2da Sección;(50007010 - 03) 3ra Sección;(50007010 - 04) 4ta Sección;(50007010 - 05) 5ta Sección;(50007010 - 06) 6ta Sección;(50007010 - 07) 7ma Sección;(50007010 - 08) 8va Sección;(50007010 - 09-11) 9na | NA |
| 33 | 17 | Neuquén - Plottier | 0015 | Neuquén - Plottier - Cipolletti | 58 | Neuquén | 035 | (58035070) Neuquén;(58035100) Plottier | NA | |
| 18 | 09 | Comodoro Rivadavia - Rada Tilly | 0022 | Comodoro Rivadavia | 26 | Chubut | 021 | (26021030) Comodoro Rivadavia | ;(26021030 - 01) Acceso Norte;(26021030 - 02) Bº Caleta Córdova;(26021030 - 03) Caleta Olivares;(26021030 - 04) Bº Castelli;(26021030 - 05) Bº Ciudadela;(26021030 - 06) Bº Gasoducto;(26021030 - 07) Bº Güemes;(26021030 - 08) Bº Laprida;(26021030 - | NA |
| 28 | 14 | Concordia | 0000 | 30 | Entre Ríos | 015 | (30015000) Ejido de Concordia | NA | ||
| 46 | 25 | La Rioja | 0000 | 46 | La Rioja | 014 | (46014000) zona rural | NA | ||
| 1 | 02 | Gran La Plata | 0000 | 06 | Buenos Aires | 098,245,441 | (06098000) zona rural;(06245000) zona rural;(06441000) zona rural | NA | ||
| 62 | 31 | Ushuaia - Rio Grande | 0086 | Ushuaia | 94 | Tierra del Fuego | 014 | (94014020) Ushuaia | NA | |
| 35 | 18 | Santiago del Estero - La Banda | 0012 | Santiago del Estero - La Banda | 86 | Santiago del Estero | 035,049 | (86035090) La Banda;(86049030) El Zanjón;(86049110) Santiago del Estero | NA | |
| 44 | 23 | Salta | 0000 | 66 | Salta | 028,035 | (66028000) zona rural;(66035000) zona rural | NA | ||
Mapa de Aglomerados Urbanos
ggplot() +
geom_sf(data = subset(prov_geo, IN1=="06"), fill = "white") +
geom_sf(data = subset(aglo_geo, codprov=="06"), fill = "darkgreen") +
labs(title = "Aglomerados Urbanos*",
subtitle = "*ejemplo en provncia de Buenos Aires")Unifica geometrias
aglo_eph <- select(aglo_geo, c(eph_aglome, eph_codagl, nomprov, codprov, geometry)) |>
group_by(eph_aglome, eph_codagl) |>
summarise(nomprov = list(unique(nomprov)),
codprov = list(unique(codprov)),
geometry = sf::st_union(geometry))## `summarise()` has grouped output by 'eph_aglome'. You can override using the
## `.groups` argument.
aglo_muestra <- as.data.frame(aglo_eph)
aglo_muestra$eph_codagl <- as.integer(aglo_muestra$eph_codagl)
select(aglo_muestra,-geometry) |>
gt() |>
tab_header(
title = "Aglomerados Urbanos unificados*") |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')| Aglomerados Urbanos unificados* | |||
| eph_aglome | eph_codagl | nomprov | codprov |
|---|---|---|---|
| Bahia Blanca - Cerri | 3 | Buenos Aires | 06 |
| CABA | 32 | Ciudad de Buenos Aires | 02 |
| Comodoro Rivadavia - Rada Tilly | 9 | Chubut | 26 |
| Concordia | 14 | Entre Ríos | 30 |
| Corrientes | 12 | Corrientes | 18 |
| Formosa | 15 | Formosa | 34 |
| Gran Catamarca | 22 | Catamarca | 10 |
| Gran Córdoba | 13 | Córdoba | 14 |
| Gran La Plata | 2 | Buenos Aires | 06 |
| Gran Mendoza | 10 | Mendoza | 50 |
| Gran Paraná | 6 | Entre Ríos | 30 |
| Gran Resistencia | 8 | Chaco | 22 |
| Gran Rosario | 4 | Santa Fe | 82 |
| Gran San Juan | 27 | San Juan | 70 |
| Gran Santa Fe | 5 | Santa Fe | 82 |
| Gran Tucumán - Tafi Viejo | 29 | Tucumán | 90 |
| Jujuy - Palpalá | 19 | Jujuy | 38 |
| La Rioja | 25 | La Rioja | 46 |
| Mar del Plata - Batán | 34 | Buenos Aires | 06 |
| Neuquén - Plottier | 17 | Neuquén | 58 |
| Partidos del GBA | 33 | Buenos Aires | 06 |
| Posadas | 7 | Misiones | 54 |
| Rawson - Trelew | 91 | Chubut | 26 |
| Rio Cuarto | 36 | Córdoba | 14 |
| Rio Gallegos | 20 | Santa Cruz | 78 |
| Salta | 23 | Salta | 66 |
| San Luis - El Chorrillo | 26 | San Luis | 74 |
| San Nicolas - Villa Constitiución | 38 | Buenos Aires | 06 |
| San Nicolas - Villa Constitución | 38 | Santa Fe | 82 |
| Santa Rosa - Toay | 30 | La Pampa | 42 |
| Santiago del Estero - La Banda | 18 | Santiago del Estero | 86 |
| Ushuaia - Rio Grande | 31 | Tierra del Fuego | 94 |
| Viedma - Carmen de Patagones | 93 | Buenos Aires, Río Negro | 06, 62 |
Mapa de Aglomerados Urbanos Unificados
Se cargan indicadores sobre hogares con celualar y hogares con computadora del Censo 2010.
Carga de Indicadores
## Reading layer `indicadores' from data source
## `C:\Users\ablasco\Documents\Proyectos\UNaB-AdDyPP-TFI\datos\indicadores.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 525 features and 37 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -73.5708 ymin: -55.05562 xmax: -53.6372 ymax: -21.78078
## Geodetic CRS: WGS 84
indicadores <- as.data.frame(indicadores_geo)
sample_n(select(indicadores,-geometry),10) |>
gt(rowname_col = "DPTO_1") |>
tab_header(
title = "Lista de Indicadores",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()| Lista de Indicadores | ||||||||||||||||||||||||||||||||||||
| DPTO | H_TOTAL | H_NBI | H_COMPUTAD | H_DOMESTIC | H_HACINAMI | H_HELADERA | H_CADENA | H_AGUA_RED | H_AGUA_VIV | H_CLOACA | H_HOYO | H_TECHO | H_PISO | H_CELULAR | H_TELEFONO | H_COMBUSTI | H_PROPIETA | H_INQUILIN | H_NI_PROPI | H_JEFE_MUJ | H_JEFE_LIM | H_JEFE_SOL | H_JEFE_S_1 | H_JEFE_SEC | H_JEFE_TER | H_JEFE_UNI | H_CONYUGE_ | IDPROV | PROV | IDDPTO | DEPARTAMEN | DEPARTAM_1 | DEPARTAM_2 | DEPARTAM_3 | DEPARTAM_4 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Mercedes | 06532 | 20214 | 1031 | 9887 | 21 | 600 | 716 | 1372 | 2969 | 1372 | 6853 | 3909 | 10116 | 3281 | 17764 | 11519 | 6414 | 14078 | 3514 | 2622 | 6689 | 204 | 11651 | 5380 | 8266 | 1353 | 1533 | 5759 | 06 | Buenos Aires | 06532 | 63284 | 20214 | -34.69750 | -59.42014 | 1049.132 |
| Caseros | 82014 | 27951 | 989 | 12567 | 43 | 550 | 554 | 1070 | 3992 | 1070 | 15244 | 8623 | 7211 | 3092 | 23871 | 16344 | 10013 | 21770 | 3599 | 2582 | 8720 | 94 | 17618 | 7280 | 9849 | 1367 | 1202 | 7767 | 82 | Santa Fe | 82014 | 82100 | 27951 | -33.22145 | -61.53297 | 3474.580 |
| San Nicolás | 06763 | 45051 | 2525 | 22110 | 41 | 1215 | 1010 | 3183 | 675 | 3183 | 18299 | 8482 | 22095 | 8326 | 38924 | 29038 | 11614 | 34503 | 5993 | 4555 | 14541 | 615 | 26270 | 12685 | 17981 | 2646 | 2650 | 13238 | 06 | Buenos Aires | 06763 | 145857 | 45051 | -33.48562 | -60.29375 | 674.186 |
| Lácar | 58056 | 9155 | 794 | 5388 | 19 | 289 | 474 | 304 | 763 | 304 | 1664 | 472 | 8749 | 1227 | 8276 | 5630 | 857 | 5528 | 2616 | 1011 | 3095 | 940 | 4615 | 2597 | 4354 | 653 | 1104 | 2826 | 58 | Neuquén | 58056 | 29748 | 9155 | -40.31412 | -71.18420 | 4973.682 |
| Tupungato | 50126 | 8530 | 1414 | 2535 | 0 | 750 | 1050 | 916 | 1343 | 916 | 4691 | 2722 | 3193 | 3852 | 7723 | 1471 | 4737 | 4551 | 1545 | 2434 | 1810 | 1022 | 6280 | 1410 | 1840 | 247 | 183 | 1568 | 50 | Mendoza | 50126 | 32524 | 8530 | -33.28352 | -69.30087 | 2574.501 |
| San Miguel | 06760 | 80627 | 6592 | 40146 | 96 | 3060 | 3126 | 11074 | 46549 | 11074 | 51724 | 19645 | 26856 | 20202 | 70886 | 48277 | 27732 | 60706 | 11866 | 8055 | 26675 | 4999 | 47659 | 22548 | 31628 | 3938 | 5142 | 22374 | 06 | Buenos Aires | 06760 | 276190 | 80627 | -34.55237 | -58.69149 | 83.528 |
| Quitilipi | 22133 | 8809 | 2033 | 1845 | 13 | 899 | 2362 | 3409 | 2264 | 3409 | 5750 | 3859 | 7537 | 5529 | 7117 | 1330 | 7959 | 6783 | 430 | 1596 | 2794 | 33 | 6333 | 935 | 1736 | 633 | 168 | 1331 | 22 | Chaco | 22133 | 34081 | 8809 | -26.67341 | -60.17372 | 1606.739 |
| Patagones | 06602 | 10183 | 973 | 4059 | 12 | 491 | 631 | 595 | 915 | 595 | 4682 | 1858 | 6745 | 1978 | 9108 | 4060 | 1664 | 6986 | 1717 | 1480 | 3804 | 496 | 6542 | 2140 | 3227 | 519 | 568 | 2275 | 06 | Buenos Aires | 06602 | 30207 | 10183 | -40.19777 | -62.84327 | 13653.573 |
| Necochea | 06581 | 31425 | 1070 | 14748 | 53 | 604 | 873 | 763 | 1793 | 763 | 7220 | 4757 | 20275 | 2736 | 27477 | 19405 | 7096 | 22372 | 5092 | 3961 | 10791 | 411 | 19847 | 7471 | 11052 | 1713 | 1868 | 7928 | 06 | Buenos Aires | 06581 | 92933 | 31425 | -38.25666 | -59.16624 | 4562.900 |
| Capital | 50007 | 39136 | 1738 | 23247 | 232 | 669 | 1227 | 1059 | 978 | 1059 | 1499 | 1026 | 3523 | 2898 | 34059 | 26524 | 3994 | 22510 | 12725 | 3901 | 15242 | 1745 | 12178 | 14636 | 26645 | 2833 | 9176 | 13415 | 50 | Mendoza | 50007 | 115041 | 39136 | -32.88133 | -68.90062 | 48.198 |
En base a los datos, se puede graficar el porcentaje de los hogares que cuentan con computadoras y teléfono celular.
Computadoras
ggplot(indicadores_geo, aes(fill = 100*H_COMPUTAD/H_TOTAL, geometry = geometry)) +
geom_sf() +
scale_fill_viridis_c(option = "B",
limits = c(0, 100),
direction = -1,
name = "Hogares con Computadora",
labels = scales::percent_format(scale = 1)
) +
labs(title = "Hogares con Computadoras")Celulares
ggplot(indicadores_geo, aes(fill = 100*H_CELULAR/H_TOTAL, geometry = geometry)) +
geom_sf() +
scale_fill_viridis_c(option = "B",
limits = c(0, 100),
direction = -1,
name = "Hogares con Celular",
labels = scales::percent_format(scale = 1)
) +
labs(title = "Hogares con Teléfono Celular")Encuesta Nacional sobre Acceso y Uso de Tecnologías de la Información y la Comunicación (ENTIC)
Carga de bases ENTIC
lista <- list()
archivos <- list.files(path = "datos/entic/", pattern = "^EPH_usu_hog.*\\.txt")
for (archivo in archivos) {
df <- read.csv(file.path("datos/entic/", archivo), sep = ";")
lista <- c(lista, list(df))
}
entic_hogar <- bind_rows(lista) |>
subset(REALIZADA == "1") |>
group_by(AGLOMERADO, ANO4) |>
summarise(
total = n(),
comp_si = sum(IH_II_01 == 1),
comp_no = sum(IH_II_01 == 2),
comp_nc = sum(IH_II_01 == 9),
inet_si = sum(IH_II_02 == 1),
inet_no = sum(IH_II_02 == 2),
inet_nc = sum(IH_II_02 == 9)
)## `summarise()` has grouped output by 'AGLOMERADO'. You can override using the
## `.groups` argument.
entic_hogar |>
left_join(select(aglo_muestra, eph_aglome, eph_codagl), by = c("AGLOMERADO" = "eph_codagl")) |>
gt(groupname_col = c("AGLOMERADO", "eph_aglome")) |>
tab_header(
title = "Indicadores por Hogares",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()## Warning in left_join(entic_hogar, select(aglo_muestra, eph_aglome, eph_codagl), : Detected an unexpected many-to-many relationship between `x` and `y`.
## ℹ Row 204 of `x` matches multiple rows in `y`.
## ℹ Row 9 of `y` matches multiple rows in `x`.
## ℹ If a many-to-many relationship is expected, set `relationship =
## "many-to-many"` to silence this warning.
| Indicadores por Hogares | |||||||
| ANO4 | total | comp_si | comp_no | comp_nc | inet_si | inet_no | inet_nc |
|---|---|---|---|---|---|---|---|
| 2 - Gran La Plata | |||||||
| 2016 | 452 | 330 | 122 | 0 | 377 | 75 | 0 |
| 2017 | 472 | 364 | 108 | 0 | 400 | 72 | 0 |
| 2018 | 433 | 276 | 157 | 0 | 335 | 98 | 0 |
| 2019 | 510 | 333 | 177 | 0 | 427 | 83 | 0 |
| 2020 | 406 | 268 | 138 | 0 | 363 | 43 | 0 |
| 2021 | 420 | 313 | 106 | 1 | 384 | 36 | 0 |
| 2022 | 437 | 285 | 152 | 0 | 408 | 29 | 0 |
| 3 - Bahia Blanca - Cerri | |||||||
| 2016 | 531 | 377 | 153 | 1 | 393 | 137 | 1 |
| 2017 | 539 | 381 | 158 | 0 | 433 | 105 | 1 |
| 2018 | 492 | 347 | 145 | 0 | 399 | 93 | 0 |
| 2019 | 483 | 302 | 180 | 1 | 405 | 78 | 0 |
| 2020 | 432 | 271 | 160 | 1 | 367 | 65 | 0 |
| 2021 | 413 | 277 | 136 | 0 | 364 | 49 | 0 |
| 2022 | 430 | 246 | 184 | 0 | 375 | 55 | 0 |
| 4 - Gran Rosario | |||||||
| 2016 | 652 | 414 | 238 | 0 | 439 | 213 | 0 |
| 2017 | 668 | 402 | 266 | 0 | 444 | 224 | 0 |
| 2018 | 642 | 354 | 288 | 0 | 434 | 208 | 0 |
| 2019 | 650 | 352 | 298 | 0 | 437 | 213 | 0 |
| 2020 | 593 | 355 | 238 | 0 | 484 | 108 | 1 |
| 2021 | 696 | 376 | 320 | 0 | 533 | 163 | 0 |
| 2022 | 682 | 352 | 329 | 1 | 597 | 85 | 0 |
| 5 - Gran Santa Fe | |||||||
| 2016 | 554 | 318 | 236 | 0 | 375 | 179 | 0 |
| 2017 | 572 | 323 | 247 | 2 | 419 | 153 | 0 |
| 2018 | 552 | 315 | 237 | 0 | 448 | 104 | 0 |
| 2019 | 549 | 319 | 229 | 1 | 478 | 71 | 0 |
| 2020 | 537 | 324 | 213 | 0 | 487 | 50 | 0 |
| 2021 | 498 | 300 | 197 | 1 | 430 | 67 | 1 |
| 2022 | 518 | 304 | 214 | 0 | 464 | 54 | 0 |
| 6 - Gran Paraná | |||||||
| 2016 | 534 | 336 | 198 | 0 | 377 | 157 | 0 |
| 2017 | 619 | 412 | 207 | 0 | 532 | 87 | 0 |
| 2018 | 591 | 413 | 178 | 0 | 526 | 65 | 0 |
| 2019 | 764 | 568 | 196 | 0 | 675 | 89 | 0 |
| 2020 | 382 | 271 | 111 | 0 | 337 | 45 | 0 |
| 2021 | 621 | 401 | 220 | 0 | 544 | 77 | 0 |
| 2022 | 460 | 306 | 153 | 1 | 415 | 44 | 1 |
| 7 - Posadas | |||||||
| 2016 | 467 | 297 | 170 | 0 | 366 | 101 | 0 |
| 2017 | 464 | 271 | 193 | 0 | 396 | 67 | 1 |
| 2018 | 448 | 285 | 163 | 0 | 376 | 72 | 0 |
| 2019 | 434 | 255 | 179 | 0 | 358 | 76 | 0 |
| 2020 | 428 | 256 | 172 | 0 | 383 | 45 | 0 |
| 2021 | 445 | 256 | 189 | 0 | 389 | 56 | 0 |
| 2022 | 459 | 255 | 204 | 0 | 412 | 47 | 0 |
| 8 - Gran Resistencia | |||||||
| 2016 | 407 | 267 | 140 | 0 | 316 | 91 | 0 |
| 2017 | 387 | 240 | 147 | 0 | 302 | 84 | 1 |
| 2018 | 418 | 223 | 195 | 0 | 331 | 87 | 0 |
| 2019 | 517 | 287 | 230 | 0 | 461 | 56 | 0 |
| 2020 | 400 | 208 | 192 | 0 | 373 | 27 | 0 |
| 2021 | 417 | 223 | 194 | 0 | 337 | 80 | 0 |
| 2022 | 412 | 171 | 241 | 0 | 355 | 57 | 0 |
| 9 - Comodoro Rivadavia - Rada Tilly | |||||||
| 2016 | 436 | 336 | 100 | 0 | 350 | 86 | 0 |
| 2017 | 420 | 295 | 125 | 0 | 371 | 49 | 0 |
| 2018 | 378 | 282 | 96 | 0 | 352 | 26 | 0 |
| 2019 | 386 | 291 | 95 | 0 | 361 | 25 | 0 |
| 2020 | 370 | 268 | 102 | 0 | 349 | 21 | 0 |
| 2021 | 346 | 235 | 111 | 0 | 336 | 10 | 0 |
| 2022 | 321 | 226 | 95 | 0 | 308 | 13 | 0 |
| 10 - Gran Mendoza | |||||||
| 2016 | 678 | 445 | 230 | 3 | 533 | 145 | 0 |
| 2017 | 677 | 441 | 236 | 0 | 530 | 147 | 0 |
| 2018 | 660 | 432 | 228 | 0 | 487 | 173 | 0 |
| 2019 | 735 | 449 | 285 | 1 | 630 | 104 | 1 |
| 2020 | 714 | 424 | 290 | 0 | 662 | 52 | 0 |
| 2021 | 736 | 428 | 308 | 0 | 658 | 78 | 0 |
| 2022 | 676 | 365 | 311 | 0 | 628 | 48 | 0 |
| 12 - Corrientes | |||||||
| 2016 | 465 | 280 | 183 | 2 | 329 | 130 | 6 |
| 2017 | 474 | 282 | 191 | 1 | 378 | 95 | 1 |
| 2018 | 459 | 259 | 200 | 0 | 372 | 87 | 0 |
| 2019 | 438 | 244 | 194 | 0 | 319 | 119 | 0 |
| 2020 | 414 | 217 | 197 | 0 | 339 | 75 | 0 |
| 2021 | 374 | 213 | 161 | 0 | 341 | 33 | 0 |
| 2022 | 362 | 212 | 150 | 0 | 315 | 47 | 0 |
| 13 - Gran Córdoba | |||||||
| 2016 | 720 | 434 | 286 | 0 | 494 | 226 | 0 |
| 2017 | 778 | 451 | 326 | 1 | 599 | 179 | 0 |
| 2018 | 819 | 485 | 334 | 0 | 676 | 143 | 0 |
| 2019 | 794 | 426 | 368 | 0 | 613 | 181 | 0 |
| 2020 | 405 | 251 | 153 | 1 | 358 | 47 | 0 |
| 2021 | 770 | 424 | 346 | 0 | 678 | 92 | 0 |
| 2022 | 785 | 436 | 349 | 0 | 711 | 74 | 0 |
| 14 - Concordia | |||||||
| 2016 | 442 | 289 | 153 | 0 | 339 | 102 | 1 |
| 2017 | 445 | 279 | 166 | 0 | 367 | 78 | 0 |
| 2018 | 441 | 248 | 191 | 2 | 379 | 62 | 0 |
| 2019 | 594 | 318 | 276 | 0 | 516 | 78 | 0 |
| 2020 | 512 | 294 | 218 | 0 | 438 | 74 | 0 |
| 2021 | 504 | 260 | 244 | 0 | 440 | 64 | 0 |
| 2022 | 453 | 228 | 225 | 0 | 412 | 41 | 0 |
| 15 - Formosa | |||||||
| 2016 | 395 | 204 | 191 | 0 | 253 | 142 | 0 |
| 2017 | 440 | 263 | 177 | 0 | 294 | 146 | 0 |
| 2018 | 445 | 247 | 197 | 1 | 338 | 107 | 0 |
| 2019 | 435 | 245 | 190 | 0 | 311 | 124 | 0 |
| 2020 | 450 | 241 | 209 | 0 | 383 | 67 | 0 |
| 2021 | 427 | 192 | 235 | 0 | 374 | 53 | 0 |
| 2022 | 428 | 194 | 234 | 0 | 374 | 54 | 0 |
| 17 - Neuquén - Plottier | |||||||
| 2016 | 373 | 231 | 141 | 1 | 221 | 152 | 0 |
| 2017 | 357 | 218 | 139 | 0 | 250 | 107 | 0 |
| 2018 | 391 | 245 | 146 | 0 | 299 | 92 | 0 |
| 2019 | 390 | 246 | 144 | 0 | 346 | 43 | 1 |
| 2020 | 278 | 171 | 107 | 0 | 238 | 40 | 0 |
| 2021 | 416 | 270 | 145 | 1 | 351 | 65 | 0 |
| 2022 | 407 | 276 | 129 | 2 | 356 | 49 | 2 |
| 18 - Santiago del Estero - La Banda | |||||||
| 2016 | 406 | 253 | 153 | 0 | 328 | 77 | 1 |
| 2017 | 425 | 239 | 185 | 1 | 335 | 89 | 1 |
| 2018 | 456 | 240 | 216 | 0 | 388 | 68 | 0 |
| 2019 | 497 | 250 | 246 | 1 | 416 | 81 | 0 |
| 2020 | 428 | 237 | 191 | 0 | 399 | 29 | 0 |
| 2021 | 491 | 251 | 240 | 0 | 458 | 33 | 0 |
| 2022 | 458 | 233 | 225 | 0 | 424 | 34 | 0 |
| 19 - Jujuy - Palpalá | |||||||
| 2016 | 488 | 330 | 158 | 0 | 314 | 174 | 0 |
| 2017 | 523 | 341 | 182 | 0 | 433 | 90 | 0 |
| 2018 | 535 | 366 | 169 | 0 | 481 | 54 | 0 |
| 2019 | 518 | 363 | 155 | 0 | 448 | 70 | 0 |
| 2020 | 510 | 354 | 156 | 0 | 468 | 42 | 0 |
| 2021 | 528 | 324 | 204 | 0 | 487 | 41 | 0 |
| 2022 | 483 | 280 | 203 | 0 | 437 | 46 | 0 |
| 20 - Rio Gallegos | |||||||
| 2016 | 337 | 269 | 68 | 0 | 282 | 55 | 0 |
| 2017 | 332 | 254 | 78 | 0 | 284 | 48 | 0 |
| 2018 | 322 | 232 | 89 | 1 | 281 | 40 | 1 |
| 2019 | 346 | 252 | 94 | 0 | 321 | 25 | 0 |
| 2020 | 259 | 174 | 85 | 0 | 247 | 12 | 0 |
| 2021 | 304 | 232 | 72 | 0 | 296 | 8 | 0 |
| 2022 | 248 | 191 | 57 | 0 | 243 | 5 | 0 |
| 22 - Gran Catamarca | |||||||
| 2016 | 530 | 303 | 227 | 0 | 279 | 251 | 0 |
| 2017 | 514 | 297 | 217 | 0 | 370 | 144 | 0 |
| 2018 | 498 | 284 | 214 | 0 | 429 | 69 | 0 |
| 2019 | 485 | 251 | 234 | 0 | 387 | 98 | 0 |
| 2020 | 436 | 250 | 186 | 0 | 376 | 60 | 0 |
| 2021 | 426 | 229 | 197 | 0 | 368 | 58 | 0 |
| 2022 | 456 | 229 | 226 | 1 | 434 | 22 | 0 |
| 23 - Salta | |||||||
| 2016 | 685 | 420 | 265 | 0 | 428 | 256 | 1 |
| 2017 | 765 | 502 | 263 | 0 | 646 | 119 | 0 |
| 2018 | 769 | 477 | 291 | 1 | 671 | 96 | 2 |
| 2019 | 761 | 478 | 283 | 0 | 659 | 102 | 0 |
| 2020 | 614 | 376 | 238 | 0 | 558 | 56 | 0 |
| 2021 | 672 | 401 | 271 | 0 | 616 | 56 | 0 |
| 2022 | 661 | 393 | 268 | 0 | 629 | 32 | 0 |
| 25 - La Rioja | |||||||
| 2016 | 489 | 361 | 128 | 0 | 382 | 107 | 0 |
| 2017 | 490 | 332 | 158 | 0 | 405 | 85 | 0 |
| 2018 | 482 | 323 | 159 | 0 | 404 | 78 | 0 |
| 2019 | 493 | 320 | 173 | 0 | 447 | 46 | 0 |
| 2020 | 485 | 350 | 134 | 1 | 457 | 28 | 0 |
| 2021 | 452 | 288 | 164 | 0 | 435 | 17 | 0 |
| 2022 | 491 | 295 | 196 | 0 | 425 | 66 | 0 |
| 26 - San Luis - El Chorrillo | |||||||
| 2016 | 496 | 381 | 115 | 0 | 364 | 132 | 0 |
| 2017 | 504 | 387 | 117 | 0 | 408 | 96 | 0 |
| 2018 | 495 | 399 | 96 | 0 | 425 | 70 | 0 |
| 2019 | 500 | 362 | 138 | 0 | 421 | 79 | 0 |
| 2020 | 454 | 354 | 100 | 0 | 412 | 42 | 0 |
| 2021 | 471 | 334 | 136 | 1 | 438 | 33 | 0 |
| 2022 | 475 | 309 | 166 | 0 | 436 | 39 | 0 |
| 27 - Gran San Juan | |||||||
| 2016 | 465 | 272 | 193 | 0 | 295 | 170 | 0 |
| 2017 | 566 | 323 | 243 | 0 | 389 | 177 | 0 |
| 2018 | 512 | 260 | 252 | 0 | 387 | 125 | 0 |
| 2019 | 605 | 269 | 336 | 0 | 447 | 158 | 0 |
| 2020 | 538 | 270 | 267 | 1 | 429 | 108 | 1 |
| 2021 | 582 | 262 | 320 | 0 | 512 | 70 | 0 |
| 2022 | 546 | 293 | 253 | 0 | 500 | 45 | 1 |
| 29 - Gran Tucumán - Tafi Viejo | |||||||
| 2016 | 690 | 407 | 283 | 0 | 524 | 166 | 0 |
| 2017 | 665 | 370 | 295 | 0 | 542 | 123 | 0 |
| 2018 | 695 | 360 | 335 | 0 | 593 | 102 | 0 |
| 2019 | 686 | 346 | 340 | 0 | 599 | 87 | 0 |
| 2020 | 488 | 231 | 257 | 0 | 449 | 39 | 0 |
| 2021 | 606 | 298 | 308 | 0 | 549 | 57 | 0 |
| 2022 | 634 | 287 | 346 | 1 | 578 | 56 | 0 |
| 30 - Santa Rosa - Toay | |||||||
| 2016 | 398 | 298 | 97 | 3 | 314 | 81 | 3 |
| 2017 | 408 | 289 | 119 | 0 | 319 | 89 | 0 |
| 2018 | 352 | 217 | 133 | 2 | 280 | 71 | 1 |
| 2019 | 320 | 201 | 119 | 0 | 275 | 45 | 0 |
| 2020 | 307 | 197 | 107 | 3 | 265 | 42 | 0 |
| 2021 | 321 | 214 | 107 | 0 | 280 | 41 | 0 |
| 2022 | 346 | 194 | 151 | 1 | 321 | 24 | 1 |
| 31 - Ushuaia - Rio Grande | |||||||
| 2016 | 414 | 354 | 60 | 0 | 365 | 49 | 0 |
| 2017 | 387 | 312 | 75 | 0 | 339 | 48 | 0 |
| 2018 | 398 | 337 | 61 | 0 | 356 | 42 | 0 |
| 2019 | 363 | 299 | 64 | 0 | 329 | 34 | 0 |
| 2020 | 175 | 144 | 31 | 0 | 170 | 5 | 0 |
| 2021 | 398 | 322 | 76 | 0 | 387 | 11 | 0 |
| 2022 | 369 | 275 | 94 | 0 | 352 | 17 | 0 |
| 32 - CABA | |||||||
| 2016 | 947 | 740 | 206 | 1 | 753 | 193 | 1 |
| 2017 | 892 | 693 | 198 | 1 | 735 | 156 | 1 |
| 2018 | 894 | 702 | 190 | 2 | 771 | 122 | 1 |
| 2019 | 845 | 660 | 184 | 1 | 769 | 76 | 0 |
| 2020 | 427 | 334 | 93 | 0 | 398 | 29 | 0 |
| 2021 | 738 | 618 | 119 | 1 | 697 | 40 | 1 |
| 2022 | 773 | 635 | 138 | 0 | 732 | 41 | 0 |
| 33 - Partidos del GBA | |||||||
| 2016 | 2575 | 1597 | 976 | 2 | 1727 | 845 | 3 |
| 2017 | 2520 | 1522 | 994 | 4 | 1800 | 715 | 5 |
| 2018 | 2567 | 1493 | 1072 | 2 | 1981 | 586 | 0 |
| 2019 | 2503 | 1408 | 1093 | 2 | 2015 | 488 | 0 |
| 2020 | 1027 | 637 | 389 | 1 | 906 | 120 | 1 |
| 2021 | 1620 | 998 | 621 | 1 | 1433 | 186 | 1 |
| 2022 | 1843 | 1113 | 730 | 0 | 1667 | 176 | 0 |
| 34 - Mar del Plata - Batán | |||||||
| 2016 | 458 | 317 | 140 | 1 | 352 | 106 | 0 |
| 2017 | 442 | 295 | 146 | 1 | 338 | 103 | 1 |
| 2018 | 460 | 286 | 173 | 1 | 361 | 97 | 2 |
| 2019 | 439 | 258 | 179 | 2 | 331 | 108 | 0 |
| 2020 | 297 | 181 | 116 | 0 | 253 | 44 | 0 |
| 2021 | 383 | 236 | 146 | 1 | 348 | 35 | 0 |
| 2022 | 359 | 202 | 157 | 0 | 328 | 31 | 0 |
| 36 - Rio Cuarto | |||||||
| 2016 | 502 | 305 | 196 | 1 | 384 | 118 | 0 |
| 2017 | 501 | 305 | 196 | 0 | 405 | 96 | 0 |
| 2018 | 518 | 316 | 202 | 0 | 440 | 78 | 0 |
| 2019 | 504 | 286 | 218 | 0 | 440 | 64 | 0 |
| 2020 | 337 | 204 | 133 | 0 | 306 | 31 | 0 |
| 2021 | 492 | 298 | 194 | 0 | 453 | 39 | 0 |
| 2022 | 439 | 233 | 205 | 1 | 394 | 45 | 0 |
| 38 - San Nicolas - Villa Constitiución | |||||||
| 2016 | 524 | 335 | 189 | 0 | 360 | 164 | 0 |
| 2017 | 512 | 306 | 206 | 0 | 388 | 124 | 0 |
| 2018 | 527 | 308 | 219 | 0 | 428 | 99 | 0 |
| 2019 | 547 | 306 | 241 | 0 | 456 | 91 | 0 |
| 2020 | 475 | 236 | 239 | 0 | 384 | 91 | 0 |
| 2021 | 534 | 256 | 278 | 0 | 420 | 114 | 0 |
| 2022 | 496 | 265 | 231 | 0 | 446 | 50 | 0 |
| 38 - San Nicolas - Villa Constitución | |||||||
| 2016 | 524 | 335 | 189 | 0 | 360 | 164 | 0 |
| 2017 | 512 | 306 | 206 | 0 | 388 | 124 | 0 |
| 2018 | 527 | 308 | 219 | 0 | 428 | 99 | 0 |
| 2019 | 547 | 306 | 241 | 0 | 456 | 91 | 0 |
| 2020 | 475 | 236 | 239 | 0 | 384 | 91 | 0 |
| 2021 | 534 | 256 | 278 | 0 | 420 | 114 | 0 |
| 2022 | 496 | 265 | 231 | 0 | 446 | 50 | 0 |
| 91 - Rawson - Trelew | |||||||
| 2016 | 440 | 294 | 146 | 0 | 352 | 88 | 0 |
| 2017 | 466 | 343 | 123 | 0 | 407 | 59 | 0 |
| 2018 | 433 | 296 | 137 | 0 | 382 | 51 | 0 |
| 2019 | 440 | 267 | 173 | 0 | 376 | 64 | 0 |
| 2020 | 423 | 303 | 120 | 0 | 381 | 42 | 0 |
| 2021 | 496 | 343 | 153 | 0 | 453 | 43 | 0 |
| 2022 | 382 | 236 | 146 | 0 | 345 | 37 | 0 |
| 93 - Viedma - Carmen de Patagones | |||||||
| 2016 | 329 | 218 | 111 | 0 | 228 | 101 | 0 |
| 2017 | 456 | 306 | 150 | 0 | 328 | 128 | 0 |
| 2018 | 518 | 325 | 193 | 0 | 378 | 140 | 0 |
| 2019 | 493 | 305 | 187 | 1 | 397 | 96 | 0 |
| 2020 | 414 | 275 | 138 | 1 | 380 | 33 | 1 |
| 2021 | 413 | 277 | 136 | 0 | 372 | 41 | 0 |
| 2022 | 410 | 272 | 138 | 0 | 386 | 24 | 0 |
lista <- list()
archivos <- list.files(path = "datos/entic/", pattern = "^EPH_usu_Ind.*\\.txt")
for (archivo in archivos) {
df <- read.csv(file.path("datos/entic/", archivo), sep = ";")
lista <- c(lista, list(df))
}
entic_ind <- bind_rows(lista) |>
group_by(AGLOMERADO, ANO4) |>
summarise(
total = n(),
comp_si = sum(IP_III_05 == 1),
comp_no = sum(IP_III_05 == 2),
comp_nc = sum(IP_III_05 == 9),
inet_si = sum(IP_III_04 == 1),
inet_no = sum(IP_III_04 == 2),
inet_nc = sum(IP_III_04 == 9),
celu_si = sum(IP_III_06 == 1),
celu_no = sum(IP_III_06 == 2),
celu_nc = sum(IP_III_06 == 9)
)## `summarise()` has grouped output by 'AGLOMERADO'. You can override using the
## `.groups` argument.
entic_ind |>
left_join(select(aglo_muestra, eph_aglome, eph_codagl), by = c("AGLOMERADO" = "eph_codagl")) |>
gt(groupname_col = c("AGLOMERADO", "eph_aglome")) |>
tab_header(
title = "Indicadores por Persona",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()## Warning in left_join(entic_ind, select(aglo_muestra, eph_aglome, eph_codagl), : Detected an unexpected many-to-many relationship between `x` and `y`.
## ℹ Row 204 of `x` matches multiple rows in `y`.
## ℹ Row 9 of `y` matches multiple rows in `x`.
## ℹ If a many-to-many relationship is expected, set `relationship =
## "many-to-many"` to silence this warning.
| Indicadores por Persona | ||||||||||
| ANO4 | total | comp_si | comp_no | comp_nc | inet_si | inet_no | inet_nc | celu_si | celu_no | celu_nc |
|---|---|---|---|---|---|---|---|---|---|---|
| 2 - Gran La Plata | ||||||||||
| 2016 | 1212 | 749 | 463 | 0 | 981 | 229 | 2 | 1013 | 199 | 0 |
| 2017 | 1259 | 762 | 497 | 0 | 1067 | 192 | 0 | 1088 | 171 | 0 |
| 2018 | 1212 | 501 | 709 | 2 | 953 | 259 | 0 | 1025 | 187 | 0 |
| 2019 | 1343 | 660 | 683 | 0 | 1119 | 224 | 0 | 1122 | 221 | 0 |
| 2020 | 1134 | 538 | 595 | 1 | 1000 | 133 | 1 | 978 | 156 | 0 |
| 2021 | 1134 | 636 | 477 | 21 | 1027 | 102 | 5 | 1024 | 109 | 1 |
| 2022 | 1205 | 619 | 583 | 3 | 1093 | 111 | 1 | 1096 | 109 | 0 |
| 3 - Bahia Blanca - Cerri | ||||||||||
| 2016 | 1380 | 568 | 808 | 4 | 1029 | 345 | 6 | 1108 | 268 | 4 |
| 2017 | 1416 | 572 | 840 | 4 | 1157 | 252 | 7 | 1196 | 220 | 0 |
| 2018 | 1288 | 508 | 775 | 5 | 1060 | 227 | 1 | 1030 | 258 | 0 |
| 2019 | 1215 | 487 | 728 | 0 | 998 | 217 | 0 | 1003 | 212 | 0 |
| 2020 | 1045 | 409 | 636 | 0 | 920 | 125 | 0 | 920 | 125 | 0 |
| 2021 | 992 | 375 | 617 | 0 | 874 | 118 | 0 | 868 | 124 | 0 |
| 2022 | 1029 | 317 | 712 | 0 | 927 | 102 | 0 | 904 | 125 | 0 |
| 4 - Gran Rosario | ||||||||||
| 2016 | 1787 | 933 | 851 | 3 | 1264 | 523 | 0 | 1405 | 380 | 2 |
| 2017 | 1774 | 823 | 950 | 1 | 1250 | 523 | 1 | 1426 | 348 | 0 |
| 2018 | 1737 | 731 | 1005 | 1 | 1223 | 514 | 0 | 1365 | 372 | 0 |
| 2019 | 1876 | 670 | 1204 | 2 | 1362 | 512 | 2 | 1567 | 309 | 0 |
| 2020 | 1607 | 631 | 976 | 0 | 1220 | 387 | 0 | 1373 | 234 | 0 |
| 2021 | 1787 | 669 | 1117 | 1 | 1419 | 368 | 0 | 1601 | 186 | 0 |
| 2022 | 1681 | 679 | 1002 | 0 | 1419 | 262 | 0 | 1542 | 139 | 0 |
| 5 - Gran Santa Fe | ||||||||||
| 2016 | 1574 | 740 | 834 | 0 | 1005 | 569 | 0 | 1321 | 253 | 0 |
| 2017 | 1602 | 653 | 949 | 0 | 1122 | 480 | 0 | 1305 | 297 | 0 |
| 2018 | 1518 | 659 | 859 | 0 | 1187 | 331 | 0 | 1271 | 247 | 0 |
| 2019 | 1485 | 711 | 774 | 0 | 1188 | 297 | 0 | 1243 | 242 | 0 |
| 2020 | 1466 | 669 | 797 | 0 | 1279 | 187 | 0 | 1242 | 224 | 0 |
| 2021 | 1389 | 626 | 763 | 0 | 1112 | 277 | 0 | 1171 | 218 | 0 |
| 2022 | 1362 | 512 | 849 | 1 | 1172 | 189 | 1 | 1189 | 172 | 1 |
| 6 - Gran Paraná | ||||||||||
| 2016 | 1445 | 572 | 873 | 0 | 1051 | 394 | 0 | 1109 | 336 | 0 |
| 2017 | 1592 | 658 | 934 | 0 | 1356 | 235 | 1 | 1309 | 283 | 0 |
| 2018 | 1544 | 813 | 730 | 1 | 1331 | 213 | 0 | 1304 | 240 | 0 |
| 2019 | 1918 | 1083 | 831 | 4 | 1701 | 217 | 0 | 1693 | 225 | 0 |
| 2020 | 880 | 500 | 380 | 0 | 770 | 110 | 0 | 766 | 114 | 0 |
| 2021 | 1310 | 707 | 595 | 8 | 1136 | 174 | 0 | 1136 | 174 | 0 |
| 2022 | 1054 | 551 | 502 | 1 | 949 | 104 | 1 | 942 | 111 | 1 |
| 7 - Posadas | ||||||||||
| 2016 | 1387 | 608 | 769 | 10 | 869 | 506 | 12 | 1051 | 330 | 6 |
| 2017 | 1366 | 477 | 885 | 4 | 1034 | 328 | 4 | 1064 | 299 | 3 |
| 2018 | 1305 | 484 | 821 | 0 | 991 | 314 | 0 | 1060 | 245 | 0 |
| 2019 | 1265 | 468 | 794 | 3 | 924 | 338 | 3 | 1053 | 209 | 3 |
| 2020 | 1243 | 296 | 947 | 0 | 1017 | 226 | 0 | 1074 | 169 | 0 |
| 2021 | 1291 | 323 | 966 | 2 | 1087 | 204 | 0 | 1106 | 185 | 0 |
| 2022 | 1292 | 450 | 842 | 0 | 1135 | 157 | 0 | 1152 | 140 | 0 |
| 8 - Gran Resistencia | ||||||||||
| 2016 | 1247 | 650 | 597 | 0 | 737 | 510 | 0 | 1057 | 190 | 0 |
| 2017 | 1209 | 677 | 532 | 0 | 899 | 310 | 0 | 1064 | 145 | 0 |
| 2018 | 1277 | 621 | 655 | 1 | 1109 | 166 | 2 | 1177 | 100 | 0 |
| 2019 | 1699 | 844 | 855 | 0 | 1435 | 264 | 0 | 1511 | 188 | 0 |
| 2020 | 1355 | 424 | 931 | 0 | 1209 | 146 | 0 | 1264 | 91 | 0 |
| 2021 | 1300 | 566 | 721 | 13 | 1058 | 239 | 3 | 1128 | 172 | 0 |
| 2022 | 1246 | 409 | 837 | 0 | 1090 | 156 | 0 | 1134 | 112 | 0 |
| 9 - Comodoro Rivadavia - Rada Tilly | ||||||||||
| 2016 | 1290 | 903 | 386 | 1 | 1033 | 256 | 1 | 1132 | 157 | 1 |
| 2017 | 1206 | 587 | 619 | 0 | 1033 | 173 | 0 | 1108 | 98 | 0 |
| 2018 | 1037 | 524 | 513 | 0 | 910 | 127 | 0 | 969 | 68 | 0 |
| 2019 | 1060 | 550 | 510 | 0 | 964 | 96 | 0 | 977 | 83 | 0 |
| 2020 | 1013 | 461 | 552 | 0 | 957 | 56 | 0 | 960 | 53 | 0 |
| 2021 | 959 | 428 | 531 | 0 | 895 | 64 | 0 | 901 | 58 | 0 |
| 2022 | 896 | 360 | 536 | 0 | 849 | 47 | 0 | 852 | 44 | 0 |
| 10 - Gran Mendoza | ||||||||||
| 2016 | 2025 | 634 | 1390 | 1 | 1566 | 458 | 1 | 1543 | 481 | 1 |
| 2017 | 1963 | 840 | 1123 | 0 | 1516 | 447 | 0 | 1429 | 534 | 0 |
| 2018 | 1938 | 816 | 1122 | 0 | 1262 | 672 | 4 | 1572 | 366 | 0 |
| 2019 | 2222 | 981 | 1240 | 1 | 1803 | 419 | 0 | 1793 | 429 | 0 |
| 2020 | 2128 | 936 | 1192 | 0 | 1878 | 250 | 0 | 1838 | 290 | 0 |
| 2021 | 2100 | 852 | 1247 | 1 | 1875 | 224 | 1 | 1828 | 271 | 1 |
| 2022 | 1911 | 624 | 1287 | 0 | 1686 | 225 | 0 | 1603 | 308 | 0 |
| 12 - Corrientes | ||||||||||
| 2016 | 1459 | 482 | 957 | 20 | 1085 | 369 | 5 | 1186 | 270 | 3 |
| 2017 | 1482 | 433 | 1049 | 0 | 1201 | 280 | 1 | 1267 | 215 | 0 |
| 2018 | 1482 | 433 | 1040 | 9 | 1239 | 241 | 2 | 1300 | 182 | 0 |
| 2019 | 1397 | 607 | 790 | 0 | 1101 | 296 | 0 | 1184 | 213 | 0 |
| 2020 | 1280 | 589 | 691 | 0 | 1071 | 209 | 0 | 1106 | 174 | 0 |
| 2021 | 1129 | 541 | 588 | 0 | 1013 | 116 | 0 | 1048 | 81 | 0 |
| 2022 | 1089 | 417 | 672 | 0 | 984 | 105 | 0 | 1022 | 67 | 0 |
| 13 - Gran Córdoba | ||||||||||
| 2016 | 2259 | 979 | 1278 | 2 | 1576 | 683 | 0 | 1703 | 554 | 2 |
| 2017 | 2276 | 841 | 1435 | 0 | 1653 | 623 | 0 | 1760 | 516 | 0 |
| 2018 | 2367 | 1003 | 1363 | 1 | 1908 | 459 | 0 | 1993 | 374 | 0 |
| 2019 | 2268 | 981 | 1287 | 0 | 1663 | 605 | 0 | 1890 | 378 | 0 |
| 2020 | 1079 | 483 | 596 | 0 | 914 | 165 | 0 | 961 | 118 | 0 |
| 2021 | 2095 | 875 | 1216 | 4 | 1775 | 320 | 0 | 1814 | 281 | 0 |
| 2022 | 2121 | 827 | 1293 | 1 | 1838 | 283 | 0 | 1837 | 284 | 0 |
| 14 - Concordia | ||||||||||
| 2016 | 1363 | 497 | 866 | 0 | 957 | 406 | 0 | 1032 | 331 | 0 |
| 2017 | 1329 | 515 | 814 | 0 | 999 | 330 | 0 | 1007 | 322 | 0 |
| 2018 | 1282 | 284 | 998 | 0 | 1058 | 224 | 0 | 1049 | 233 | 0 |
| 2019 | 1784 | 512 | 1272 | 0 | 1482 | 302 | 0 | 1464 | 320 | 0 |
| 2020 | 1514 | 415 | 1099 | 0 | 1238 | 276 | 0 | 1243 | 271 | 0 |
| 2021 | 1444 | 344 | 1100 | 0 | 1201 | 243 | 0 | 1206 | 238 | 0 |
| 2022 | 1306 | 276 | 1030 | 0 | 1127 | 179 | 0 | 1130 | 176 | 0 |
| 15 - Formosa | ||||||||||
| 2016 | 1282 | 539 | 743 | 0 | 778 | 504 | 0 | 1054 | 228 | 0 |
| 2017 | 1420 | 705 | 715 | 0 | 898 | 522 | 0 | 1116 | 304 | 0 |
| 2018 | 1469 | 649 | 819 | 1 | 1009 | 460 | 0 | 1211 | 258 | 0 |
| 2019 | 1444 | 574 | 870 | 0 | 929 | 515 | 0 | 1210 | 234 | 0 |
| 2020 | 1456 | 541 | 915 | 0 | 1194 | 262 | 0 | 1316 | 140 | 0 |
| 2021 | 1273 | 414 | 858 | 1 | 1046 | 227 | 0 | 1173 | 100 | 0 |
| 2022 | 1245 | 380 | 860 | 5 | 1024 | 221 | 0 | 1154 | 91 | 0 |
| 17 - Neuquén - Plottier | ||||||||||
| 2016 | 1043 | 432 | 603 | 8 | 589 | 437 | 17 | 884 | 159 | 0 |
| 2017 | 1042 | 429 | 608 | 5 | 711 | 329 | 2 | 875 | 167 | 0 |
| 2018 | 1072 | 463 | 609 | 0 | 802 | 270 | 0 | 941 | 131 | 0 |
| 2019 | 1098 | 335 | 760 | 3 | 902 | 194 | 2 | 954 | 144 | 0 |
| 2020 | 782 | 335 | 446 | 1 | 615 | 167 | 0 | 690 | 92 | 0 |
| 2021 | 1107 | 336 | 771 | 0 | 961 | 146 | 0 | 992 | 115 | 0 |
| 2022 | 1050 | 508 | 542 | 0 | 911 | 139 | 0 | 970 | 80 | 0 |
| 18 - Santiago del Estero - La Banda | ||||||||||
| 2016 | 1444 | 503 | 941 | 0 | 1009 | 435 | 0 | 1066 | 378 | 0 |
| 2017 | 1432 | 375 | 1057 | 0 | 953 | 479 | 0 | 1086 | 346 | 0 |
| 2018 | 1585 | 388 | 1197 | 0 | 1101 | 484 | 0 | 1192 | 393 | 0 |
| 2019 | 1784 | 477 | 1307 | 0 | 1202 | 582 | 0 | 1247 | 537 | 0 |
| 2020 | 1548 | 441 | 1107 | 0 | 1285 | 263 | 0 | 1235 | 313 | 0 |
| 2021 | 1647 | 471 | 1176 | 0 | 1410 | 237 | 0 | 1376 | 271 | 0 |
| 2022 | 1546 | 411 | 1135 | 0 | 1301 | 245 | 0 | 1235 | 311 | 0 |
| 19 - Jujuy - Palpalá | ||||||||||
| 2016 | 1684 | 997 | 687 | 0 | 1142 | 542 | 0 | 1319 | 365 | 0 |
| 2017 | 1730 | 901 | 829 | 0 | 1346 | 384 | 0 | 1414 | 316 | 0 |
| 2018 | 1740 | 920 | 820 | 0 | 1415 | 325 | 0 | 1491 | 249 | 0 |
| 2019 | 1650 | 839 | 811 | 0 | 1393 | 257 | 0 | 1418 | 232 | 0 |
| 2020 | 1578 | 801 | 777 | 0 | 1374 | 204 | 0 | 1392 | 186 | 0 |
| 2021 | 1705 | 821 | 884 | 0 | 1407 | 298 | 0 | 1538 | 167 | 0 |
| 2022 | 1526 | 595 | 931 | 0 | 1365 | 161 | 0 | 1337 | 189 | 0 |
| 20 - Rio Gallegos | ||||||||||
| 2016 | 1006 | 672 | 334 | 0 | 846 | 160 | 0 | 881 | 125 | 0 |
| 2017 | 933 | 485 | 448 | 0 | 820 | 113 | 0 | 812 | 121 | 0 |
| 2018 | 906 | 422 | 482 | 2 | 774 | 130 | 2 | 804 | 100 | 2 |
| 2019 | 1008 | 562 | 445 | 1 | 913 | 95 | 0 | 912 | 96 | 0 |
| 2020 | 695 | 435 | 259 | 1 | 666 | 29 | 0 | 641 | 54 | 0 |
| 2021 | 848 | 472 | 376 | 0 | 828 | 20 | 0 | 821 | 27 | 0 |
| 2022 | 669 | 375 | 294 | 0 | 639 | 30 | 0 | 625 | 44 | 0 |
| 22 - Gran Catamarca | ||||||||||
| 2016 | 1857 | 1015 | 842 | 0 | 1118 | 739 | 0 | 1465 | 392 | 0 |
| 2017 | 1784 | 710 | 1074 | 0 | 1109 | 675 | 0 | 1409 | 375 | 0 |
| 2018 | 1677 | 739 | 938 | 0 | 1316 | 361 | 0 | 1400 | 277 | 0 |
| 2019 | 1556 | 500 | 1056 | 0 | 1335 | 221 | 0 | 1321 | 235 | 0 |
| 2020 | 1400 | 573 | 827 | 0 | 1115 | 285 | 0 | 1214 | 186 | 0 |
| 2021 | 1379 | 492 | 887 | 0 | 1224 | 155 | 0 | 1260 | 119 | 0 |
| 2022 | 1460 | 490 | 970 | 0 | 1314 | 146 | 0 | 1353 | 107 | 0 |
| 23 - Salta | ||||||||||
| 2016 | 2388 | 996 | 1389 | 3 | 1538 | 849 | 1 | 1706 | 681 | 1 |
| 2017 | 2595 | 1217 | 1378 | 0 | 2035 | 560 | 0 | 1965 | 630 | 0 |
| 2018 | 2572 | 1101 | 1470 | 1 | 2064 | 507 | 1 | 1965 | 606 | 1 |
| 2019 | 2597 | 1011 | 1585 | 1 | 2202 | 394 | 1 | 1928 | 669 | 0 |
| 2020 | 2058 | 675 | 1382 | 1 | 1773 | 285 | 0 | 1575 | 483 | 0 |
| 2021 | 2212 | 843 | 1369 | 0 | 1967 | 245 | 0 | 1834 | 377 | 1 |
| 2022 | 2105 | 711 | 1394 | 0 | 1906 | 199 | 0 | 1793 | 312 | 0 |
| 25 - La Rioja | ||||||||||
| 2016 | 1685 | 898 | 787 | 0 | 1237 | 448 | 0 | 1353 | 332 | 0 |
| 2017 | 1550 | 794 | 756 | 0 | 1183 | 367 | 0 | 1328 | 222 | 0 |
| 2018 | 1481 | 807 | 674 | 0 | 1155 | 326 | 0 | 1256 | 225 | 0 |
| 2019 | 1597 | 933 | 664 | 0 | 1351 | 246 | 0 | 1361 | 236 | 0 |
| 2020 | 1513 | 841 | 672 | 0 | 1336 | 176 | 1 | 1355 | 158 | 0 |
| 2021 | 1416 | 723 | 693 | 0 | 1299 | 117 | 0 | 1330 | 86 | 0 |
| 2022 | 1501 | 728 | 773 | 0 | 1268 | 233 | 0 | 1321 | 180 | 0 |
| 26 - San Luis - El Chorrillo | ||||||||||
| 2016 | 1526 | 970 | 556 | 0 | 1133 | 393 | 0 | 1268 | 258 | 0 |
| 2017 | 1546 | 862 | 684 | 0 | 1209 | 337 | 0 | 1275 | 270 | 1 |
| 2018 | 1417 | 899 | 518 | 0 | 1173 | 244 | 0 | 1196 | 221 | 0 |
| 2019 | 1447 | 699 | 748 | 0 | 1202 | 245 | 0 | 1247 | 200 | 0 |
| 2020 | 1377 | 650 | 726 | 1 | 1191 | 186 | 0 | 1200 | 177 | 0 |
| 2021 | 1400 | 558 | 842 | 0 | 1174 | 226 | 0 | 1241 | 159 | 0 |
| 2022 | 1348 | 398 | 950 | 0 | 1212 | 136 | 0 | 1193 | 155 | 0 |
| 27 - Gran San Juan | ||||||||||
| 2016 | 1573 | 613 | 960 | 0 | 1079 | 494 | 0 | 1328 | 245 | 0 |
| 2017 | 1862 | 663 | 1195 | 4 | 1229 | 631 | 2 | 1552 | 310 | 0 |
| 2018 | 1673 | 500 | 1173 | 0 | 1068 | 605 | 0 | 1396 | 277 | 0 |
| 2019 | 1979 | 688 | 1290 | 1 | 1324 | 654 | 1 | 1603 | 376 | 0 |
| 2020 | 1749 | 693 | 1056 | 0 | 1346 | 403 | 0 | 1470 | 279 | 0 |
| 2021 | 1760 | 673 | 1087 | 0 | 1462 | 298 | 0 | 1560 | 200 | 0 |
| 2022 | 1652 | 802 | 850 | 0 | 1446 | 206 | 0 | 1539 | 113 | 0 |
| 29 - Gran Tucumán - Tafi Viejo | ||||||||||
| 2016 | 2305 | 1015 | 1290 | 0 | 1587 | 718 | 0 | 1819 | 486 | 0 |
| 2017 | 2227 | 897 | 1330 | 0 | 1572 | 655 | 0 | 1684 | 542 | 1 |
| 2018 | 2321 | 723 | 1596 | 2 | 1755 | 566 | 0 | 1827 | 494 | 0 |
| 2019 | 2218 | 641 | 1577 | 0 | 1779 | 439 | 0 | 1782 | 436 | 0 |
| 2020 | 1617 | 464 | 1148 | 5 | 1375 | 242 | 0 | 1436 | 181 | 0 |
| 2021 | 2048 | 644 | 1404 | 0 | 1719 | 329 | 0 | 1727 | 321 | 0 |
| 2022 | 2049 | 443 | 1603 | 3 | 1796 | 253 | 0 | 1766 | 283 | 0 |
| 30 - Santa Rosa - Toay | ||||||||||
| 2016 | 1064 | 301 | 762 | 1 | 783 | 281 | 0 | 857 | 207 | 0 |
| 2017 | 1036 | 202 | 834 | 0 | 736 | 299 | 1 | 866 | 169 | 1 |
| 2018 | 905 | 207 | 698 | 0 | 729 | 174 | 2 | 753 | 152 | 0 |
| 2019 | 849 | 282 | 564 | 3 | 685 | 164 | 0 | 720 | 129 | 0 |
| 2020 | 765 | 326 | 439 | 0 | 659 | 106 | 0 | 669 | 96 | 0 |
| 2021 | 791 | 246 | 545 | 0 | 662 | 129 | 0 | 720 | 71 | 0 |
| 2022 | 867 | 225 | 640 | 2 | 745 | 121 | 1 | 811 | 56 | 0 |
| 31 - Ushuaia - Rio Grande | ||||||||||
| 2016 | 1077 | 666 | 411 | 0 | 916 | 161 | 0 | 959 | 118 | 0 |
| 2017 | 1064 | 659 | 405 | 0 | 920 | 144 | 0 | 933 | 131 | 0 |
| 2018 | 1144 | 747 | 397 | 0 | 1045 | 99 | 0 | 1004 | 140 | 0 |
| 2019 | 1026 | 628 | 398 | 0 | 911 | 115 | 0 | 895 | 131 | 0 |
| 2020 | 483 | 267 | 216 | 0 | 433 | 50 | 0 | 423 | 60 | 0 |
| 2021 | 1005 | 638 | 367 | 0 | 949 | 56 | 0 | 945 | 60 | 0 |
| 2022 | 908 | 524 | 384 | 0 | 825 | 83 | 0 | 861 | 47 | 0 |
| 32 - CABA | ||||||||||
| 2016 | 2208 | 1258 | 941 | 9 | 1743 | 460 | 5 | 1846 | 358 | 4 |
| 2017 | 2090 | 1246 | 833 | 11 | 1704 | 384 | 2 | 1777 | 313 | 0 |
| 2018 | 2054 | 1160 | 894 | 0 | 1721 | 333 | 0 | 1772 | 282 | 0 |
| 2019 | 1952 | 1091 | 858 | 3 | 1738 | 210 | 4 | 1770 | 179 | 3 |
| 2020 | 895 | 538 | 354 | 3 | 803 | 92 | 0 | 828 | 67 | 0 |
| 2021 | 1669 | 978 | 687 | 4 | 1527 | 140 | 2 | 1564 | 103 | 2 |
| 2022 | 1710 | 919 | 787 | 4 | 1524 | 182 | 4 | 1570 | 138 | 2 |
| 33 - Partidos del GBA | ||||||||||
| 2016 | 7922 | 3493 | 4410 | 19 | 5395 | 2518 | 9 | 6098 | 1819 | 5 |
| 2017 | 7690 | 3222 | 4455 | 13 | 5507 | 2172 | 11 | 6189 | 1498 | 3 |
| 2018 | 7784 | 3100 | 4676 | 8 | 5939 | 1844 | 1 | 6464 | 1319 | 1 |
| 2019 | 7530 | 2838 | 4683 | 9 | 5994 | 1532 | 4 | 6316 | 1212 | 2 |
| 2020 | 2903 | 1104 | 1791 | 8 | 2409 | 487 | 7 | 2551 | 346 | 6 |
| 2021 | 4634 | 1793 | 2839 | 2 | 3966 | 667 | 1 | 4056 | 575 | 3 |
| 2022 | 5223 | 1904 | 3306 | 13 | 4512 | 699 | 12 | 4664 | 547 | 12 |
| 34 - Mar del Plata - Batán | ||||||||||
| 2016 | 1190 | 612 | 578 | 0 | 911 | 279 | 0 | 913 | 277 | 0 |
| 2017 | 1171 | 556 | 614 | 1 | 955 | 215 | 1 | 958 | 212 | 1 |
| 2018 | 1147 | 487 | 659 | 1 | 888 | 258 | 1 | 941 | 205 | 1 |
| 2019 | 1052 | 396 | 655 | 1 | 701 | 351 | 0 | 890 | 162 | 0 |
| 2020 | 739 | 318 | 418 | 3 | 556 | 183 | 0 | 618 | 121 | 0 |
| 2021 | 1001 | 333 | 668 | 0 | 858 | 143 | 0 | 905 | 96 | 0 |
| 2022 | 902 | 233 | 669 | 0 | 791 | 111 | 0 | 830 | 72 | 0 |
| 36 - Rio Cuarto | ||||||||||
| 2016 | 1277 | 702 | 574 | 1 | 960 | 316 | 1 | 1075 | 201 | 1 |
| 2017 | 1266 | 745 | 521 | 0 | 1038 | 228 | 0 | 1079 | 187 | 0 |
| 2018 | 1274 | 776 | 498 | 0 | 1066 | 208 | 0 | 1140 | 134 | 0 |
| 2019 | 1227 | 762 | 465 | 0 | 1066 | 161 | 0 | 1121 | 106 | 0 |
| 2020 | 842 | 511 | 331 | 0 | 755 | 87 | 0 | 777 | 65 | 0 |
| 2021 | 1247 | 809 | 438 | 0 | 1160 | 87 | 0 | 1191 | 56 | 0 |
| 2022 | 1101 | 374 | 723 | 4 | 903 | 198 | 0 | 956 | 145 | 0 |
| 38 - San Nicolas - Villa Constitiución | ||||||||||
| 2016 | 1524 | 729 | 791 | 4 | 1092 | 432 | 0 | 1291 | 233 | 0 |
| 2017 | 1417 | 449 | 963 | 5 | 1050 | 364 | 3 | 1170 | 247 | 0 |
| 2018 | 1481 | 523 | 950 | 8 | 1182 | 296 | 3 | 1273 | 208 | 0 |
| 2019 | 1556 | 485 | 1070 | 1 | 1248 | 308 | 0 | 1306 | 250 | 0 |
| 2020 | 1376 | 425 | 951 | 0 | 1113 | 263 | 0 | 1245 | 131 | 0 |
| 2021 | 1471 | 397 | 1065 | 9 | 1221 | 250 | 0 | 1281 | 190 | 0 |
| 2022 | 1376 | 459 | 913 | 4 | 1194 | 182 | 0 | 1228 | 148 | 0 |
| 38 - San Nicolas - Villa Constitución | ||||||||||
| 2016 | 1524 | 729 | 791 | 4 | 1092 | 432 | 0 | 1291 | 233 | 0 |
| 2017 | 1417 | 449 | 963 | 5 | 1050 | 364 | 3 | 1170 | 247 | 0 |
| 2018 | 1481 | 523 | 950 | 8 | 1182 | 296 | 3 | 1273 | 208 | 0 |
| 2019 | 1556 | 485 | 1070 | 1 | 1248 | 308 | 0 | 1306 | 250 | 0 |
| 2020 | 1376 | 425 | 951 | 0 | 1113 | 263 | 0 | 1245 | 131 | 0 |
| 2021 | 1471 | 397 | 1065 | 9 | 1221 | 250 | 0 | 1281 | 190 | 0 |
| 2022 | 1376 | 459 | 913 | 4 | 1194 | 182 | 0 | 1228 | 148 | 0 |
| 91 - Rawson - Trelew | ||||||||||
| 2016 | 1241 | 470 | 771 | 0 | 940 | 301 | 0 | 1030 | 210 | 1 |
| 2017 | 1291 | 582 | 709 | 0 | 1063 | 228 | 0 | 1099 | 192 | 0 |
| 2018 | 1197 | 543 | 654 | 0 | 1008 | 189 | 0 | 1041 | 156 | 0 |
| 2019 | 1195 | 464 | 731 | 0 | 1015 | 180 | 0 | 1037 | 156 | 2 |
| 2020 | 1138 | 478 | 660 | 0 | 1041 | 97 | 0 | 1074 | 64 | 0 |
| 2021 | 1292 | 469 | 823 | 0 | 1176 | 116 | 0 | 1152 | 140 | 0 |
| 2022 | 964 | 399 | 565 | 0 | 870 | 94 | 0 | 900 | 64 | 0 |
| 93 - Viedma - Carmen de Patagones | ||||||||||
| 2016 | 928 | 466 | 462 | 0 | 646 | 282 | 0 | 763 | 165 | 0 |
| 2017 | 1171 | 652 | 519 | 0 | 861 | 310 | 0 | 1002 | 169 | 0 |
| 2018 | 1292 | 681 | 611 | 0 | 994 | 297 | 1 | 1169 | 123 | 0 |
| 2019 | 1218 | 586 | 632 | 0 | 998 | 220 | 0 | 1092 | 126 | 0 |
| 2020 | 1073 | 638 | 435 | 0 | 973 | 100 | 0 | 982 | 91 | 0 |
| 2021 | 1053 | 566 | 487 | 0 | 939 | 114 | 0 | 986 | 67 | 0 |
| 2022 | 1066 | 588 | 478 | 0 | 991 | 75 | 0 | 993 | 73 | 0 |
Matriz de Correlación
Gráfico de Correlación personalizado
t_fin <- Sys.time() # Registra el tiempo de finalización
tiempo_ejecucion <- round(t_fin - t_inicio, 2)
cat("Tiempo de ejecución de la notebook:", tiempo_ejecucion, "segundos")## Tiempo de ejecución de la notebook: 53.05 segundos
## R version 4.2.3 (2023-03-15 ucrt)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 19045)
##
## Matrix products: default
##
## locale:
## [1] LC_COLLATE=Spanish_Argentina.utf8 LC_CTYPE=Spanish_Argentina.utf8
## [3] LC_MONETARY=Spanish_Argentina.utf8 LC_NUMERIC=C
## [5] LC_TIME=Spanish_Argentina.utf8
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] geoAr_0.0.1.4.2 ggplot2_3.4.4 archive_1.1.6 leaflet_2.2.0
## [5] sf_1.0-14 tmap_3.3-4 gtExtras_0.4.5 gt_0.9.0
## [9] dplyr_1.1.2 readr_2.1.4
##
## loaded via a namespace (and not attached):
## [1] httr_1.4.5 sass_0.4.5 jsonlite_1.8.4
## [4] viridisLite_0.4.1 bslib_0.4.2 assertthat_0.2.1
## [7] paletteer_1.5.0 highr_0.10 sp_2.0-0
## [10] yaml_2.3.7 pillar_1.9.0 lattice_0.20-45
## [13] glue_1.6.2 digest_0.6.31 RColorBrewer_1.1-3
## [16] colorspace_2.1-0 leaflet.providers_2.0.0 htmltools_0.5.5
## [19] XML_3.99-0.14 pkgconfig_2.0.3 raster_3.6-26
## [22] stars_0.6-4 s2_1.1.4 scales_1.2.1
## [25] fontawesome_0.5.0 terra_1.7-39 tzdb_0.4.0
## [28] tibble_3.2.1 proxy_0.4-27 generics_0.1.3
## [31] farver_2.1.1 ellipsis_0.3.2 cachem_1.0.7
## [34] withr_2.5.0 leafsync_0.1.0 cli_3.6.1
## [37] magrittr_2.0.3 evaluate_0.20 fansi_1.0.4
## [40] xml2_1.3.3 lwgeom_0.2-13 class_7.3-21
## [43] tools_4.2.3 hms_1.1.3 lifecycle_1.0.3
## [46] munsell_0.5.0 compiler_4.2.3 jquerylib_0.1.4
## [49] e1071_1.7-13 rlang_1.1.0 attempt_0.3.1
## [52] classInt_0.4-9 units_0.8-2 grid_4.2.3
## [55] tmaptools_3.1-1 dichromat_2.0-0.1 rstudioapi_0.14
## [58] htmlwidgets_1.6.2 crosstalk_1.2.0 labeling_0.4.2
## [61] leafem_0.2.3 base64enc_0.1-3 rmarkdown_2.21
## [64] wk_0.7.3 gtable_0.3.3 codetools_0.2-19
## [67] curl_5.0.0 abind_1.4-5 DBI_1.1.3
## [70] rematch2_2.1.2 R6_2.5.1 knitr_1.42
## [73] fastmap_1.1.1 utf8_1.2.3 KernSmooth_2.23-20
## [76] parallel_4.2.3 Rcpp_1.0.10 vctrs_0.6.1
## [79] png_0.1-8 tidyselect_1.2.0 xfun_0.39